Deep learning neemt baan over van beeldbewerkers?

Deep learning wordt steeds slimmer

Het maken van digitale renderings en het bewerken van afbeeldingen kan uren duren, maar onderzoekers van MIT en IBM willen dat veranderen. Ze hebben AI getraind om fotografische afbeeldingen uit het niets te genereren en objecten daarin intelligent te bewerken. Naast het feit dat dit gunstig zou kunnen zijn voor kunstenaars en ontwerpers, biedt het ook inzicht in hoe neurale netwerken context leren, en het team hoopt de tool te gebruiken om valse of gewijzigde afbeeldingen te herkennen.

GANpaint Studio is de naam van de tool die nu online beschikbaar is als gratis demo. In plaats van handmatig een boom aan een afbeelding toe te voegen, kun je het gereedschap vertellen waar je het object wilt hebben waarna automatisch een boom wordt toegevoegd die overeenkomt met de scène. Ook is het mogelijk om bepaalde elementen en objecten te wissen uit foto's. Het is nog steeds een werk in uitvoering, maar het team hoopt dat GANpaint Studio op een dag videoclips kan bewerken. Als bijvoorbeeld een essentiële onderwerp uit een filmscène word weggelaten, kunnen redacteurs AI gebruiken om het later toe te voegen.

Voorbeelden

In deze foto' is te zien hoe de technologie precies werkt. In de bovenstaande linker foto is het origineel te zien, een foto van een kathedraal waarbij niets is aangepast. In bovenstaand rechter beeld is te zien hoe ik 'grass' heb geselecteerd en onderin de foto begin te tekenen.

Als we kijken naar de volgende foto, bovenstaand links, zien we dat het programma gras heeft toegevoegd en ook aan de aansluiting van de deuren en de grond heeft gedacht. Natuurlijk ziet het er allemaal wat ruw uit maar het team geeft aan dat dit binnen enkele jaren sneller, zorgvuldiger en op hoge resolutie geimplementeerd kan worden. 

Ten slotte had ik in het laatste beeld zin om van de twee torentjes koepels te maken, iets wat ook binnen enkele seconden van digitaal verfen een realiteit was. De mogelijkheden van het programma zijn duidelijk: deep learning wordt verschrikkelijk slim, in een enorm snelle tijd.