[[438694]]

本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

英偉達(dá)的最新AI工具又讓網(wǎng)友用戶(hù)們激動(dòng)了。

“我已經(jīng)等不及了！”

一位網(wǎng)友在看完演示視頻后表示。

對(duì)于“手殘黨”來(lái)說(shuō)，英偉達(dá)的EditGAN簡(jiǎn)直就是零基礎(chǔ)P圖神器。

能夠高質(zhì)量、高精細(xì)度地對(duì)圖像進(jìn)行修改，讓P圖方式從未如此容易。

例如，讓畫(huà)像和雕塑“擠眉弄眼”：

只要你會(huì)上傳圖片、能畫(huà)草圖，就能夠輕松P圖。如此“魔性”的工具，難怪得到了網(wǎng)友熱捧。

EditGAN甚至能精細(xì)到修改車(chē)輪輻條大小和方向：

當(dāng)然，真人照片也不在話(huà)下，如控制人眼朝向、頭發(fā)量等：

還能給貓咪修改耳朵大?。?/p>

而你要做的，只是上傳一張圖片，然后由程序生成一張語(yǔ)義分割草圖，直接在草圖上涂抹修改。

EditGAN只會(huì)修改你想要改變的部位，其他部分都原封不動(dòng)。

和最近的GauGAN2一樣，英偉達(dá)也為EditGAN開(kāi)發(fā)了一個(gè)電腦軟件：

這項(xiàng)研究已經(jīng)被NeurIPS 2021接收。

本文一作是來(lái)自多倫多大學(xué)的華人博士生凌歡，他同時(shí)在該校人工智能研究院（Vector Institute）和英偉達(dá)做研究。

首個(gè)GAN驅(qū)動(dòng)的圖像編輯器

研究人員表示，EditGAN是第一個(gè)GAN驅(qū)動(dòng)的圖像編輯框架，它的主要特點(diǎn)是：

1、提供非常高的精度編輯
2、只需要很少的注釋訓(xùn)練數(shù)據(jù)
3、可以實(shí)時(shí)交互式運(yùn)行
4、允許多個(gè)編輯的直接合成
5、適用于真正的嵌入式、GAN生成甚至域外圖像

首先，EditGAN使用StyleGAN2生成圖像。

StyleGAN2的工作流程是：獲取圖像，將其編碼到潛在空間，并使用生成器將這個(gè)編碼子空間轉(zhuǎn)換為另一個(gè)圖像。

但問(wèn)題在于，這個(gè)空間是多維的，我們很難將其可視化，也很難確定該子空間的哪一部分負(fù)責(zé)重建圖像中的哪個(gè)特征。

通常，需要龐大的標(biāo)注數(shù)據(jù)集，才能知道模型中潛在空間哪一部分控制哪些特征。

而EditGAN僅通過(guò)對(duì)少數(shù)標(biāo)記的數(shù)據(jù)集示例進(jìn)行學(xué)習(xí)，就能將分割與圖像相匹配，從而實(shí)現(xiàn)圖像圖像的編輯。

EditGAN保留了完整的圖像質(zhì)量，同時(shí)提供了前所未有的細(xì)節(jié)和自由度。

更重要的是EditGAN不僅知道潛在空間對(duì)應(yīng)控制那個(gè)部分，而且還將它們與草圖對(duì)應(yīng)起來(lái)。這樣，我們就可以通過(guò)修改草圖輕易地修改圖像了。

EditGAN基于DatasetGAN，結(jié)合了圖像建模及其語(yǔ)義分割。

EditGAN的關(guān)鍵思想在于利用圖像和像素級(jí)語(yǔ)言分割聯(lián)合分布。

具體而言，就是將圖像嵌入GAN的潛在空間，并根據(jù)分割編輯執(zhí)行條件潛在代碼優(yōu)化。

以上展示了EditGAN的訓(xùn)練過(guò)程：修改語(yǔ)義分割并優(yōu)化共享的潛在代碼，與編輯區(qū)域內(nèi)的新分割，以及編輯區(qū)域外的RGB外觀保持一致。相應(yīng)的梯度通過(guò)共享生成器進(jìn)行反向傳播。

為了攤銷(xiāo)優(yōu)化，作者在實(shí)現(xiàn)編輯的潛在空間中找到“編輯矢量”。該框架允許學(xué)習(xí)任意數(shù)量的編輯矢量，然后以實(shí)時(shí)的速率直接應(yīng)用于其他圖像。

P圖工具即將發(fā)布

作者團(tuán)隊(duì)在英偉達(dá)內(nèi)部GPU集群上使用V100執(zhí)行底層 StyleGAN2、編碼器和分割分支的訓(xùn)練以及嵌入和編輯的優(yōu)化。

該項(xiàng)目使用了大約14000個(gè)GPU 小時(shí)，其中大約3500個(gè) GPU 小時(shí)用于最終實(shí)驗(yàn)，其余用于研究項(xiàng)目早期階段的探索和測(cè)試。

至于EditGAN的運(yùn)行，在V100上進(jìn)行30 (60) 步優(yōu)化需要 11.4 (18.9) 秒。

雖然訓(xùn)練不起，但是用訓(xùn)練好的模型來(lái)P圖還是有可能的。

此前英偉達(dá)發(fā)布的Canvas就集成了GauGAN2等最新成果，可以用手繪草圖生成精細(xì)的PS文件。

可能Canvas也會(huì)很快集成EditGAN的吧。

有個(gè)好消息是，英偉達(dá)表示，將會(huì)代碼和編輯工具軟件即將推出。你是不是迫不及待想嘗試一把了？

論文地址：
https://arxiv.org/abs/2111.03186

補(bǔ)充材料：
https://nv-tlabs.github.io/editGAN/editGAN_supp_compressed.pdf

講解視頻：
https://www.youtube.com/watch?v=bus4OGyMQec