눈 깜짝할 사이에 병마용과 말들이 눈 깜짝할 사이에! 외국 남자가 AI를 이용해 그를 복원했다

​천년 동안 눈을 깜빡이는 순간, 역사가 반복되는 것 같았습니다.

얼마 전 외국 블로거 Panagiotis Constantinou는 AI를 사용하여 진나라 병마용을 복원했습니다.

더 놀라운 것은 고대인들도 섬세하고 역동적인 표현을 하게 만들었다는 점입니다.

보세요, 병마용들이 당신에게 윙크하며 웃고 있습니다.

병마용과 말을 방문한 후, 모두가 이 실제 점토 조각 기념물에 충격을 받을 것입니다. AI로 복원된 병마용과 말들이 살과 피의 삼촌으로 변한 모습을 보세요.

수천년이 지난 지금, 병마용과 말의 표정은 모두 제각각인데, 당시의 모습은 우리로서는 상상조차 하기 어렵습니다.

이 외국인 남자는 이 전사들을 다시 살리고 수천 년 동안 여러분과 이야기를 나눴습니다.

이전에도 Station B UP의 주인인 오타니가 병마용을 수리하고 입이 움직이게 만들었습니다. ㅋㅋㅋ

함께 즐겨보아요.

시간과 공간을 통해 마르쿠스 크라수스를 만나보세요

고대 로마 후기의 가장 유명한 부자 마르쿠스 크라수스

​

알렉산더 대왕

고대 클레오파트라

Queen of England

......

이 일련의 수리로 해외 블로거들도 인기를 끌며 많은 사람들의 관심을 끌었습니다.

수리 기술

그렇다면 AI수리 작업은 일반적으로 어떻게 구현되나요?

대부분 이 세 가지 기술을 사용합니다. 첫 번째는 프레임 채우기를 위한 DAIN, 두 번째는 해상도 증폭을 위한 ESRGAN, 세 번째는 채색을 위한 DeOldify입니다.

DAIN: 깊이 정보를 탐색하여 폐색을 명시적으로 감지하는 깊이 인식 비디오 프레임 보간(DAIN) 모델입니다. 이 프로젝트는 미드스트림 보간된 비디오 프레임을 합성하기 위해 더 가까운 물체를 우선적으로 샘플링하는 깊이 인식 흐름 프로젝션 레이어를 개발했습니다.

ESRGAN: ESRGAN은 SRGAN에서 개선되었으며 주로 비디오 초해상도에 사용됩니다.

SRGAN의 심층 모델은 학습이 점점 어려워지는 것과 달리, 심층 ESRGAN 모델은 간단한 학습을 ​​통해 뛰어난 성능을 얻을 수 있습니다. 핵심은 시각적 품질과 피크 신호 ​​대 잡음의 균형을 맞추는 네트워크 보간 전략에 있습니다. 비율.

DeOldify: DeOldify는 안정적이고 다채로운 이미지를 얻는 데 중요한 NoGAN을 사용하여 교육됩니다.

NoGAN 훈련은 GAN(훌륭한 색상화)의 장점을 결합하는 동시에 부작용(동영상에서 깜박이는 객체와 같은)을 제거합니다.

이미지든 동영상이든 AI는 강력한 학습 능력 덕분에 이를 생명력 있게 복원할 수 있습니다.

여기에서는 AI 수리에 필수적인 "soul GAN"에 대해 간략하게 살펴보겠습니다.

말과 얼룩말이 서로 변신하는 모습을 기억하시나요? GAN의 응용 중 하나입니다.

다른 고전적인 기계 학습 알고리즘과 비교하여 GAN 알고리즘의 가장 큰 혁신 포인트는 생성자와 판별자를 결합하고 둘을 사용하여 서로 경쟁하여 상호 성공을 달성한다는 것입니다. 마침내 "균일 일치" 상태에 도달합니다.

이미지를 예로 들면, 판별자 D는 실제 데이터 분포와 생성자의 데이터 분포를 정확하게 구별하기를 원합니다. 동시에 생성자 G도 지속적으로 학습하여 최종적으로는 판별자는 어떤 이미지가 진짜이고 어떤 이미지가 가짜인지 구분할 수 없습니다.

현재 AI 복구, AI 얼굴 변경 등 점점 더 많은 기술이 GAN 네트워크에서 분리될 수 없습니다. 한때 GAN을 괴롭혔던 문제, 즉 융합의 어려움이 점차 개선되고 있으며 점점 더 많은 기술이 등장하고 있습니다. CycleGAN, StackGAN 등 네트워크가 많아지고 발전할수록 더욱 현실감 있고 생생한 이미지가 하나씩 대중에게 선보이게 됩니다.

이제는 아마도 '모든 것이 AI가 될 수 있는' 시대가 아닐까! AI가 계속해서 우리에게 어떤 시각적 놀라움을 선사할지 기다려보겠습니다~~~​

위 내용은 눈 깜짝할 사이에 병마용과 말들이 눈 깜짝할 사이에! 외국 남자가 AI를 이용해 그를 복원했다의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!