Этот AI нейронная сеть от Nvidia создает фотореалистичные поддельные изображения

На первый взгляд фотография вверху выглядит как обычная фотография обычной улицы, снятая либо с видеорегистратора, либо с кого-то достаточно глупого, чтобы побродить по дороге, чтобы сфотографировать такую ​​мирскую сцену.

Но посмотрите немного поближе. Заметьте, как сигнал светофора слегка искажен или как некоторые автомобили кажутся нечеткими? Здесь что-то не так. Это не фотография вообще. Это изображение, которое было полностью создано А.И.

Компьютерные ученые из технологической компании Nvidia и Калифорнийского университета в Беркли написали исследовательскую работу, доступную в препринте arXiv, в которой подробно описывается, как им удалось получить нейронную сеть для создания реалистичных изображений улиц и человеческих портретов. Они даже включали пользовательский интерфейс, который позволяет настраивать изображения так, как вам хочется, добавляя дополнительную листву или даже изменяя погоду.

«Игры быстро растут, потому что люди любят взаимодействовать друг с другом в виртуальной среде», - говорит старший научный сотрудник Nvidia Минг-Ю Лю обратный в электронном письме «Однако создание виртуальных миров обходится дорого с использованием современных технологий, поскольку от художников требуется явное моделирование и имитация текстуры и освещения для мира, который они создают. С переводом от изображения к изображению мы можем вместо этого взять образец реального мира для создания виртуальных миров ».

Нейронные сети - это компьютеры, смоделированные так, чтобы работать как человеческий мозг, принимая информацию, применяя ее и изучая результаты. В этом исследовании использовались специальные типы нейронных сетей, представленные Яном Гудфеллоу в 2014 году, которые называются порождающими состязательными сетями - или GAN - которые обычно состоят из двух сетей: генератора и дискриминатора.

Генератор получает фотографии и начинает создавать синтетические изображения, похожие на те, которые ему дали. Затем он показывает смесь изображений, которые ему дали, и подделок для дискриминатора, чья работа заключается в том, чтобы отличать их друг от друга. По мере продолжения этого процесса генератор лучше воспроизводит исходные изображения, а дискриминатор становится лучше различать подделки. В результате получаются довольно убедительные - и полностью фальшивые - картинки.

Это исследование основывается на традиционной модели GAN путем добавления разделения сети генератора и дискриминатора на несколько подсетей, что позволяет выводить изображения с более высоким разрешением. Нейронные сети также могут взять семантическую карту - или план того, как фотография должна выглядеть - и заполнить текстуры автономно. Пользователи могут даже пойти по плану и изменить вещи, если они хотят добавить здания вместо деревьев в виде улиц или сделать глаза шире на портрете.

В статье сравниваются его результаты с аналогичными экспериментами, выполненными с использованием этого метода, наиболее заметным из которых является pix2pix. Исследование Nvidia и UC Berkeley способно генерировать изображения с такими мелкими и точными деталями, как разборчивые номерные знаки, в то время как pix2pix выводит изображения, которые почти похожи на акварельные рисунки.

Хотя этот инструмент можно использовать для получения бесплатной кармы reddit с помощью нескольких фантастических фотографий, авторы видят огромный потенциал в использовании этого подхода для создания реалистичной графики с помощью простого проекта.

Сотни часов кропотливой работы идут на создание виртуальных миров для использования в Google Maps, фильмах и видеоиграх. Лю говорит, что эта модель может служить способом безболезненно выполнить большую часть проектирования, а затем перейти к настройке деталей позже.

«Вместо того, чтобы визуализировать мир путем явного его моделирования, мы можем неявно строить мир, используя трансляцию изображения в изображение для перевода между простой моделью мира, не содержащей текстуры или освещения, и фотореалистичным выводом, Эта возможность должна значительно снизить стоимость создания виртуальных миров », - говорит он. обратный.

Для следующего шага в этом исследовании команда надеется исследовать перевод видео в видео, которое будет использовать нейронные сети для создания реалистичных видео. Цель, которая, по словам Луи, бросила вызов исследователям в этой области.

Теперь вы знаете, как легко можно создавать поддельные изображения. Не доверяйте всему, что видите на изображениях Google.