La red neuronal crea pinturas al estilo de Van Gogh y Picasso



Google mostró recientemente cómo una red neuronal puede crear obras de arte de forma independiente. En pocas palabras, pinta imágenes exagerando las imágenes existentes.

Un nuevo experimento realizado en la Universidad de Tübingen (Alemania) demuestra un algoritmo alternativo para una red neuronal: falsifica plausiblemente el estilo artístico de Vincent Van Gogh, Pablo Picasso, Edward Munch y cualquier otro artista. Cualquier imagen es adecuada para ingresar al procesamiento.

Un ejemplo del funcionamiento del algoritmo se muestra en las ilustraciones anteriores, donde la red neuronal procesó en diferentes estilos una fotografía de una calle de una ciudad alemana.

Las pinturas generadas son realmente hermosas y, sin duda, tienen un alto valor artístico. Sin embargo, esto no significa que los originales de las obras de los grandes maestros del pasado caerán de precio. Por el contrario, el valor de los scripts solo aumentará.

La red neuronal tiene 19 capas anidadas, y el procesamiento de la imagen original ocurre en varias etapas. En cada etapa de la jerarquía, el número de filtros aumenta, pero al mismo tiempo, el tamaño de la imagen se reduce debido a la implementación de un tipo de mecanismo de muestreo descendente.



La estilización para un autor específico ocurre en las etapas d , e .

Los autores del trabajo científico consideran el logro principal de que fue posible separar con éxito las representaciones de contenido y estilo en la red neuronal. Por lo tanto, se pueden controlar independientemente uno del otro. Por ejemplo, tome el contenido de una imagen y el estilo de otra. Esto es exactamente lo que se muestra en la primera ilustración, donde una fotografía se convierte en pinturas realizadas en diferentes estilos.

Las capas con estilo se aplican a toda la imagen o se fragmentan. Así es como se ve una fotografía de la ciudad si le aplica el estilo de la famosa pintura "Composición VII" de Vasily Kandinsky. Resultado

original de


la red neuronal

Source: https://habr.com/ru/post/es383519/


All Articles