•
소스코드 출처
•
StyleCLIP은 이용하여 얼굴 이미지를 간단하게 조작할 수 있습니다!
•
자체 텍스트 프롬프트로 다양한 얼굴 이미지를 생성할 수 있습니다.
•
위의 그림처럼 상단의 원본 이미지를 하단의 텍스트를 대입하여 이미지를 새로 생성하는 것을 확인할 수 있습니다.
배경지식 (StyleGAN)
요약
[제안한 네트워크]
Style transfer 문헌에서 차용한 Generative Adversarial Networks을 위한 alternative generator architecture을 제안한다.
[새로운 기능]
1.
새로운 아키텍처는 자동으로 학습되고 비지도의 높은 수준의 속성(e.g., pose and identity when trained on human faces)과 생성된 이미지(e.g., 주근깨, 머리카락)의 stochastic variation을 separation하고 직관적으로 scale-specific control이 가능하게 한다.
2.
새로운 generator는 traditional distribution quality metrics 측면에서 SOTA을 향상 시키고 더 나은 interpolation properties을 입증하며 latent factor of variation을 더 잘 disentangled 하게 한다.
3.
interpolation quality와 disentanglement을 정량화(quantify) 하기 위해 모든 generator 아키텍처에 사용할 수 있는 두기자 새로운 자동화된 방법을 제안한다.
[새로운 데이터셋 제공]
1.
마지막으로 매우 다양하고 고품질의 human faces 데이터셋을 소개한다.
•
여기서 보면 Source A + SourceB를 합쳐서 새로운 사람의 얼굴을 만들어 내는 원리이다.
안녕하세요
•
한국전자기술연구원 김영광입니다.
•
관련 기술 문의와 R&D 공동 연구 사업 관련 문의는 “glory@keti.re.kr”로 연락 부탁드립니다.
Hello
•
I'm Yeonggwang Kim from the Korea Electronics Research Institute.
•
For technical and business inquiries, please contact me at “glory@keti.re.kr”