Deze experimentele software kan van alledaagse foto's geweldige meesterwerken maken

Het gebruik van fotobewerkingssoftware om foto's te verbeteren is tegenwoordig vrij gebruikelijk. Of we nu het effect van onvolkomenheden zoals gevreesde ‘rode ogen’ willen verminderen of zelfs elementen willen toevoegen die er nog niet waren, fotobewerking is zeker een blijvertje.




Sommige applicaties zoals Instagram komen ook met filters voor foto's die het uiterlijk van foto's veranderen. Sommige van deze filters laten het in wezen lijken alsof uw foto is genomen onder verschillende lichtomstandigheden.



Onlangs echter een team van onderzoekers van Cornell University, bestaande uit professor Kavita Bala en promovendus Fujun Luan in samenwerking met Sylvian Paris Eli Shechtman van Adobe hebben een software ontwikkeld die de stijl van een afbeelding naar een andere afbeelding kan overbrengen.





Stijloverdracht

De objecten op de foto's zijn relatief ongewijzigd, waarbij de stijloverdrachtstechniek vooral is gericht op het veranderen van kleuren.

Deze techniek omvat, wat in wezen een donorafbeelding is waarvan de gewenste stijl zal worden gekopieerd. De stijl wordt gekopieerd naar de gewenste afbeelding met behoud van dezelfde structuur en het eindresultaat is behoorlijk indrukwekkend.

Het eindresultaat ziet er helemaal niet mis uit. De objecten op de foto's zijn relatief ongewijzigd, waarbij de stijloverdrachtstechniek vooral is gericht op het veranderen van kleuren.

Zie het onderstaande voorbeeld van de resultaten van de software.

Onderzoekers van Cornell University en Adobe hebben hier een creatieve beeldbewerkingstechniek geformuleerd. Het draagt ​​de stijl van de ene afbeelding over naar de andere. | Cornell universiteit




Hoe het werkt

In wezen extraheert deze oplossing de kenmerken van het donorbeeld en geeft ze een doelbeeld

Het team formuleerde een slimme deep learning-oplossing die een neurale netwerklaag gebruikte om de techniek uit te voeren.

Diep leren, zoals de naam al doet vermoeden, is een methode voor computerleren. Het is in staat om leertaken te voltooien met behulp van neurale netwerken. Een neuraal netwerk is een computersysteem dat kan leren op basis van gegevens die het onderzoekt. Dit systeem is gebaseerd op de biologische configuratie van een brein.

Aanvankelijk was het moeilijk voor het team om foto's te maken waarvan je kon zien dat het van een bepaald donorbeeld kwam. Ze kwamen met een slimme oplossing die de foto wijzigt met behoud van de grenzen en randen van de originele afbeelding.

In wezen extraheert deze oplossing de kenmerken van het donorbeeld en geeft ze een doelbeeld.

Er bestaan ​​andere oplossingen die stijlen kunnen overbrengen tussen afbeeldingen, maar ze lijken vaak op schilderijen, zelfs als de afbeelding van de 'donor' een foto is.

De oplossing van het Cornell / Adobe-team slaagt er op indrukwekkende wijze in haar fotorealisme te behouden met zeer weinig vervorming.





toepassingen

Deze software kan worden gebruikt om bepaalde kenmerken over te dragen, zoals het tijdstip van de dag en bijvoorbeeld het weer.

Deze techniek kan voor een aantal doeleinden worden gebruikt. Natuurlijk ziet het er gewoon cool uit. De techniek kan echter worden gebruikt om een ​​verscheidenheid aan kenmerken over te dragen van een bestaande foto die de gebruiker van een dergelijke software mogelijk in een andere foto zou willen hebben.

Deze software kan worden gebruikt om bepaalde kenmerken over te dragen, zoals bijvoorbeeld het tijdstip van de dag en het weer. Deze techniek kan ook worden gebruikt om artistieke bewerkingen aan foto's toe te voegen, gebaseerd op de afbeelding van de donor.





Laatste gedachten

Deze software kan behoorlijk krachtig zijn beeldbewerkingstool. De eindgebruiker zou zijn foto's snel een stijl make-over kunnen geven met vrijwel geen handenarbeid. Het enige dat nodig zou zijn om een ​​meesterwerk te maken, zou een geschikt donorbeeld zijn.