Tecnología | Noticias | 30 SEP 2019

AI Interactive Sketch & Fill completa los bocetos de los usuarios

Tags: IA
Científicos de la Universidad de California, la Universidad de Oxford y Adobe Research han creado un sistema de inteligencia artificial que puede hacer sugerencias para un objeto con bocetos de usuarios.
inteligencia artificial
Redacción

"Los modelos de traducción de imágenes han demostrado un gran éxito al tomar una entrada abstracta como un mapa de borde o un mapa de segmentación semántica, y traducir esto en una imagen real", dijeron los autores del artículo .

“Al combinar esto con una interfaz de usuario, un usuario puede crear rápidamente imágenes en el dominio de destino. Pero completar un boceto sin comentarios puede ser difícil ", explican los autores. Esto se debe en parte al hecho de que las personas no capacitadas a menudo tienen dificultades para dibujar las proporciones y perspectivas correctas de los objetos y sus componentes.

"Es por eso que es mucho más simple con los métodos interactivos de traducción de imágenes actuales crear una imagen de aspecto realista modificando las imágenes existentes, en lugar de crear imágenes completamente nuevas".

IA de desarrollo

Interactive Sketch & Fill ahora puede sugerir formas de objetos basadas en bocetos de los usuarios y proporcionar vistas previas del trabajo completado. Para hacer eso posible, los investigadores trabajaron en un sistema múltiple.

Los investigadores hicieron módulos que podrían completar formas y apariencia, para actualizar las formas recomendadas basadas en los bocetos. También usaron una GAN, una red neuronal dual que consiste en generadores que hacen monstruos y discriminadores que intentan adivinar cuáles son los monstruos generados y qué son los monstruos reales. Eso debería aumentar la precisión de las imágenes.

Para probar el sistema, los investigadores utilizaron dos conjuntos de datos de código abierto, edge2shoes y CelebA-HQ, para renderizar objetos. Sus bordes se simplificaron con un modelo de IA separado, para parecerse más a las líneas hechas por personas.

Resultados

Después de completar esas pruebas, los investigadores comenzaron a trabajar en contenido más desafiante. Este fue un conjunto de 200 imágenes con pelotas de baloncesto, pollos, galletas, lunas, naranjas, balones de fútbol, ??fresas y más. 

Los investigadores afirman que en la gran mayoría de los casos el sistema pudo generar imágenes en la clase correcta. Según ellos, ese es un paso prometedor para un sistema final de extremo a extremo.



Comentar
Para comentar, es necesario iniciar sesión
Se muestran 0 comentarios