#Нейронныесети
Подписывайтесь на мой телеграм канал, там я учу вас генерировать всякое в нейросетях и делюсь новостями из мира нейронок.
Видео создано в Stable Diffusion.
Подписывайтесь на мой телеграм канал Арт-нейросети от Nerual Dreming, там красиво и интересно, и вы тоже сможете научиться создавать нейро-арт.
Мы вступаем в новую эру, когда генеративный ИИ обеспечит естественный диалог между творцом и компьютером, где ввод ваших собственных слов и простые жесты будут сочетаться с лучшими рабочими процессами профессиональных творческих приложений, чтобы обеспечить новое творческое самовыражение.
Я долго на это решался (не потому что я еврей в душе), постоянно допиливал и оттачивал шерховатости, но всё же решил что "ПОРА". И вот, мой микс в котором я собрал всё самое лучшее (на мой взгляд), во всех гайдах и во всех работах используется только эта модель. Забрать модель можете отсюда ⬇
Чем больше хочется, тем больше разочаровываешься какие же нейронки бывают ограниченные. Но когда добиваешься нужной постановки, понимаешь что провел часы не зря. Единственный минус - поставить на конвейер такое ещё не получается ;) Собственно, показываю ремастер своих работ с необычным стилем реализма и чего-то ещё.
Или это можно назвать NSFW версией известных телепроектов, где желающие себя показать конкурсанты поют свои и известные песни? В любом случае, у меня тут красота исполнения мелодии было бы делом десятым :D
Метод берёт один или несколько набросков и настраивает стандартный GAN в соответствии с входным эскизом. В то время как новая модель изменяет форму и позу объекта, другие визуальные параметры, такие как цвет, текстура, фон, точно сохраняются после модификации.
В оригинальном StyleGAN2 очень сильно бросались в глаза проблемы с бородой при анимации. В Alias-Free GAN решили переделать то, как работает сетка под капотом. И результаты впечатляют.
Nvidia опубликовала демонстрацию, показывающую, как GANverse3D, её новый движок глубокого обучения, использовался для преобразование 2D изображения в 3D.
Сетка обучается на векторных пикчах (SVG). Затем анализирует текст о компании и её описание, выбирает слова для превращения в изображения. Результаты модифицируются с помощью ряда алгоритмов, которые масштабируют, упрощают дизайн и генерируют различные цветовые схемы и шрифты. Конечный результат - это бесконечный диапазон всякого говна.
StyleGAN2, показанный на CVPR 2020, использует трансферное обучение для создания бесконечного числа портретов в бесконечном разнообразии стилей. Работа основана на ранее опубликованном проекте команды StyleGAN.