发布时间:2022-09-07 15:00
转载自:AI科技评论
作者 | 琰琰、青暮
太狂野了!
你永远不知道StyleGAN的想象力可以有多强大。
刚刚英伟达最新推出的升级版StyleGAN 3,因为一组合成艺术作品刷爆Twitter,不少网友感叹:AI 制造了人类无法理解的恐怖!
而更令人震惊的是,除了强大的艺术创作能力,是它没有幻影的丝滑级过渡,以及对细节的高精度处理!
StyleGAN生成式对抗网络是一种最先进的高分辨率图像合成方法,从最初的GAN到StyleGAN2变体,其图像合成能力一直在突破人类的想象,而这次升级版StyleGAN3的对生成细节的把控更是令人惊叹!
AI科技评论发现,这项研究出自英伟达最新论文《Alias-Free Generative Adversarial Networks》,论文中表明,它从根本上解决了StyleGAN2 图像坐标与特征粘连的问题,实现了真正的图像平移、旋转等不变性,大幅提高了图像合成质量。
何谓等变性?简单理解就是生成的物体和图像的像素坐标没关系,仔细看下图:
你会发现StyleGAN2生成的动物毛发会粘在屏幕上,和动物的形态变化不一致。这就是StyleGAN变体一直无法解决的难题之一。果然魔鬼都在细节里!
1
StyleGAN3的魔力
我们知道,尽管生成式对抗网络具有层级卷积的性质,但由于过度依赖绝对像素坐标往往会出现图像细节“粘”在坐标上的现象,原因多出自”粗糙“的信号处理过程和神经网络混叠上。
在这项研究中,英伟达将网络中的所有信号解释为连续的,并对架构进行轻微调整保证不需要的信息不会泄漏到分层合成过程,最终得到了StyleGAN3,相比于StyleGAN2,它在保证了图像基本质量的同时,明显改善了其内部的表示方式——即使在亚像素尺度上也能实现绝对的平移和旋转。
项目主页:https://nvlabs.github.io/stylegan3/
虽然生成式对抗网络(generative adversarial networks, GAN)已被广泛用于各种应用,包括图像编辑、图像翻译以及视频生成,现有的控制生成的模型也达到了很高的水平,但总体而言,在合成过程的基础层面仍有极大的改善空间。
在现实世界中,图像在不同尺度上的细节往往是层次变化的。例如,头部的移动可能导致头发、鼻子,甚至皮肤上毛孔随之改变。
通常,典型GAN生成器的结构化处理过程是:粗糙、低分辨率的特征通过上采样层分层细化,再通过卷积局部混合,以及非线性引入新的细节。这种体系结构可能基本还原了图像的表面特征,但它并没有以一种“自然而然”的方式合成更逼真的图像,也就是说,粗糙特征确保了图像细节的存在,但没有控制它们的精确位置,细节被固定在了图像坐标上。
所形成的“纹理粘附”特征在隐藏表示的插值中清晰可见,打破了动态物体在空间中移动的连贯性。
这项研究的目标就是,创建更自然的转换层次的体系结构,让每个特征的精确亚像素位置都从底层粗特征中获得。我们再来看一组最终的效果图:
可以看到,在头部移动的情况下,左图 StyleGAN2 生成的头发、皱纹等粘在了屏幕坐标上,而右图StyleGAN3生成的所有细节都可以连贯地转换,效果丝滑。
在 MetFaces 、animal数据集中的效果同样如此,StyleGAN3中的场景与其余部分平滑地转换。
还可以注意到,在风景图生成中,StyleGAN3似乎已经学会模仿镜头运动(beach数据集)。
下图展示了几种“桥式(bridge)”配置中平移等变性或缺乏平移等变性的现象。
第一列图像是利用具有解析傅立叶输入特征的生成器生成的图像;第二列图像基于第一列图像,通过使用高质量的重采样滤波器进行反向平移来“不变换”像素。
第三列图像展示了前两列图像的不同。对于完美“等变”生成器(第5张图和第6张图),前两列图像是相同的,由模图像边界(由于光裁剪而未显示)和重采样产生数字噪声。可以看出,在60 dB范围内,其在视觉上堪称完美。
下图以类似于上图的方式说明了StyleGAN3的旋转等变性。
第一行中的StyleGAN3-T只为平移等变性而设计,正如预期的那样,它在旋转不变性上完全失败了。第二行展示的是StyleGAN3-T的一种变体,它使用p4对称G-CNN实现旋转等变。在360度的人脸旋转中,在90度的倍数处是精确的,但在中间角度处会发生扭曲。而StyleGAN3-R展示了高保真的旋转等变性(尽管视觉上还不算完美)。
下图演示了点态非线性(这里是ReLU)固有的混叠,以及StyleGAN3的解决方案。
左列:原始限带信号z,对其理想版本(上)进行采样(中),然后根据采样(下)进行重构。由于采样率足够高,可以捕获信号,因此不会发生混叠。
中间列:在连续域(顶部)应用点向非线性会产生一个非光滑函数,这是由于在零交叉点处的剪切。采样这个信号(中间)并从样本(底部)重建函数会产生一个混叠的结果,因为由裁剪产生的高频不能用样本网格表示。
右列:在连续域中对ReLUed函数应用低通滤波器(上),再次得到平滑函数:对它进行采样(中间)可以实现真实的重构(底部)。
下图比较了StyleGAN3和StyleGAN2(第一行)的内部激活模式。StyleGAN3-T(中间,平移等变)和StyleGAN3-R(底部,旋转等变)两个等变网络构建图像的方式,与StyleGAN2的最终图像中遵循特征的多尺度相位信号的方式完全不同。
基于StyleGAN3的构造,这些信号必须控制图像特征的外观和相对位置。研究人员假设局部定向振荡形成一个基底,从而使分层定位成为可能。StyleGAN3的构造似乎使网络很自然地从低频输入的傅里叶特征构造图像。
下图解释了切片可视化对比,表明在人脸平移时,对于某个固定的坐标切片,StyleGAN3可以随人脸移动变化纹理,而StyleGAN2则倾向于生成固定的纹理。
2
StyleGAN3的技术创新
以上示例证明,StyleGAN 的层次结构通过图像边界、像素噪声输入和位置编码以及混叠,可以利用中间层实现位置精确。
在GAN的相关文献中,混叠这一概念很少被提及,作者在这项研究中,提供了两个混叠来源 :1)由非理想上采样滤波器(如卷积、双线性卷积或跨步卷积)产生的像素网格后模糊图像。2)非线性的逐点应用,如ReLU或swish。
他们发现,混叠网络具有放大并在多个尺度上组合图像像素的能力,这对于弱化固定在屏幕坐标中的纹理图案至关重要。并且实验证明,该网络还适用于深度学习中所有常用过滤器,甚至图像处理中使用的高质量过滤器。
我们知道,成功消除所有位置参考来源意味着无论像素坐标如何,细节都可以被很好地生成,它相当于在所有层中对亚像素平移(和旋转)实施连续的等方差。
事实证明,当前的上采样滤波器在抑制混叠方面根本不够积极,而且需要具有超过100dB衰减的高质量滤波器。这项研究提出了一种解决点态非线性引起的混叠的原理,考虑了它们在连续域的影响,并对结果进行适当的低通滤波。
此外,实验证明:一个基于1×1卷积的模型能够产生强旋转的等变生成器。一旦适当地抑制了混叠以迫使模型实现更自然的层次细化,它的操作模式就会发现显著变化:坐标系统等内部表示,允许细节准确地附加到底层表面。这将显著改进用于生成视频和动画的模型。
效果如此完美,真的不是cherry-picking?
英伟达也怕你不服气,火速开源了项目,还提供了colab供小白尝试。
参考资料
项目主页:https://nvlabs.github.io/stylegan3/
论文地址:https://arxiv.org/pdf/2106.12423.pdf
Github地址:https://github.com/NVlabs/stylegan3
colab:https://colab.research.google.com/drive/1BXNHZBai-pXtP-ncliouXo_kUiG1Pq7M?usp=sharing
https://news.ycombinator.com/item?id=28833213
本文仅做学术分享,如有侵权,请联系删文。
重磅!计算机视觉工坊-学习交流群已成立
扫码添加小助手微信,可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群,旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。
同时也可申请加入我们的细分方向交流群,目前主要有ORB-SLAM系列源码学习、3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、深度估计、学术交流、求职交流等微信群,请扫描下面微信号加群,备注:”研究方向+学校/公司+昵称“,例如:”3D视觉 + 上海交大 + 静静“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进去相关微信群。原创投稿也请联系。
▲长按加微信群或投稿
▲长按关注公众号
3D视觉从入门到精通知识星球:针对3D视觉领域的视频课程(三维重建系列、三维点云系列、结构光系列、手眼标定、相机标定、激光/视觉SLAM、自动驾驶等)、知识点汇总、入门进阶学习路线、最新paper分享、疑问解答五个方面进行深耕,更有各类大厂的算法工程人员进行技术指导。与此同时,星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息,打造成集技术与就业为一体的铁杆粉丝聚集区,近4000星球成员为创造更好的AI世界共同进步,知识星球入口:
学习3D视觉核心技术,扫描查看介绍,3天内无条件退款
圈里有高质量教程资料、可答疑解惑、助你高效解决问题
觉得有用,麻烦给个赞和在看~
Python利用format函数实现对齐打印(左对齐、右对齐与居中对齐)
RuntimeError: one of the variables needed for gradient computation has been modified by an...
【MQTT从入门到提高系列 | 01】从0到1快速搭建MQTT测试环境
C++ 0x 之 Lambda:贤妻与娇娃,你娶谁当老婆?听 FP 如何点化 C++
[深度学习学习笔记]注意力机制-Attentional mechanism
龙蜥下游发行版 Alinux 和 UOS 成为 OpenSCAP 官方首批支持的国内 OS
Pandas向本地Excel已存在的工作表追加写入DataFrame