Urejeshaji wa Uso wa CodeFormer Imara
CodeFormer ni muundo wa kurejesha uso ulioundwa kushughulikia uharibifu uliokithiri, kurejesha nyuso zinazotambulika kutoka kwa ingizo zilizoharibika sana, ndogo au zisizo na ukungu.
Muhtasari
It matters because it lets users dial the trade-off between staying faithful to the original and producing a clean, high-quality result.
Dive ya kina
CodeFormer (NeurIPS 2022) hurekebisha urejeshaji wa uso kama utabiri wa kificho badala ya urejeshaji wa saizi mfululizo. Kwanza hufunza kitabu cha msimbo cha mtindo wa VQGAN: kamusi ndogo, iliyojifunzwa ya 'vijenzi' vya uso ambayo inanasa maelezo ya usoni ya ubora wa juu. Kwa kuzingatia uso ulioharibika, Transformer hutabiri ni maingizo gani ya kitabu cha msimbo yakijenga upya vizuri zaidi, ikichukulia urejeshaji kama kuchukua tokeni zinazofaa kutoka kwa msamiati wa sehemu za uso. Kwa sababu kitabu cha msimbo kinaishi katika nafasi fupi, yenye kikomo, muundo huo ni thabiti zaidi hadi kelele kali na ukungu kuliko njia zinazoweka saizi za ramani moja kwa moja. Sehemu inayoweza kudhibitiwa ya kubadilisha kipengele huruhusu watumiaji kutelezesha uzani mmoja (ambao mara nyingi huitwa uaminifu) ili kupendelea utoaji mkali zaidi, wa kweli zaidi au uaminifu zaidi kwa ingizo lililoharibika.
Ufahamu wa Kiufundi
Kitabu cha msimbo mahususi hufanya kazi kama kitabu cha awali chenye 'msamiati' mdogo, kwa hivyo hata wakati ingizo limeharibika vibaya Transformer bado inaweza kutabiri misimbo halali ya nyuso za ubora wa juu. Uundaji huu wa kimataifa kupitia umakini hupunguza utegemezi wa alama za pikseli za ndani ambazo uharibifu huharibu. Uzito wa uaminifu unaoweza kubadilishwa hudhibiti ni kiasi gani mtandao hutegemea vipengele vya ingizo dhidi ya kitabu cha msimbo kilichojifunza, uhifadhi wa utambulisho wa biashara dhidi ya usafi wa pato.
Athari za kimkakati
Kasi na kiwango
Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
Tengeneza chaguzi
Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
Timu na mtiririko wa kazi
Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Mustakabali wa Urejeshaji wa Uso wa CodeFormer Robust
Miundo ya Codebook-plus-Transformer inaathiri urejeshaji mpana na kazi ya kizazi, na CodeFormer inazidi kuchanganyika na uboreshaji wa uenezaji kwa matokeo hata ya kushangaza. Tarajia matoleo bora ya muda ya video, ufungaji bora wa utambulisho ili urejeshaji mzito usibadilishe sura ya mtu, na ujumuishaji mkali zaidi kwenye programu za picha za watumiaji. Kama ilivyo kwa virejesho vyote vya uso, uwazi kuhusu maelezo yaliyoundwa upya na ulinzi wa matumizi mabaya utakua katika umuhimu.
Utekelezaji wa Ulimwengu Halisi
Inarejesha nyuso kutoka kwa ufuatiliaji wa azimio la chini sana au picha za kumbukumbu
Inarejesha picha za kihistoria zilizoharibika sana, zilizofifia au zilizopigiwa picha
Kurekebisha picha zinazozalishwa na AI ambapo nyuso zilikunjwa na kuwa ukungu au upotoshaji
Huwaruhusu watumiaji kupanga kitelezi cha uaminifu kuchagua kati ya urejeshaji mwaminifu au uliong'aa
Hatari & Walinzi
Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Ramani ya Utekelezaji
Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the CodeFormer Robust Face Recovery quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Mwongozo unaofuata
LaMa Azimio-Robust Uchoraji
Maswali yanayoulizwa mara kwa mara
What is CodeFormer Robust Face Recovery?
CodeFormer ni muundo wa kurejesha uso ulioundwa kushughulikia uharibifu uliokithiri, kurejesha nyuso zinazotambulika kutoka kwa ingizo zilizoharibika sana, ndogo au zisizo na ukungu. Ni muhimu kwa sababu huwaruhusu watumiaji kupiga kura kati ya kubaki mwaminifu kwa toleo asilia na kutoa matokeo safi na ya ubora wa juu.
Je, CodeFormer kimsingi inaundaje shida ya urejeshaji wa uso?
CodeFormer inatabiri maingizo tofauti kutoka kwa kitabu cha msimbo cha mtindo wa VQGAN, ikishughulikia urejeshaji kama kuchagua tokeni badala ya kurejesha saizi mbichi.
Ni sehemu gani inayotabiri ni maingizo ya kitabu cha msimbo yatakayotumika?
Transformer hutengeneza muktadha wa kimataifa ili kutabiri tokeni bora za kijitabu cha msimbo, ambacho ni thabiti zaidi kuliko kutegemea alama za pikseli za ndani.
Kwa nini kitabu cha msimbo tofauti kinasaidia kwa pembejeo zilizoharibika sana?
Kwa sababu ubashiri hufikia idadi ndogo ya misimbo ya uso ya ubora wa juu, muundo hubaki thabiti hata wakati pikseli za ingizo zimeharibika vibaya.
Je, kanuni ya uzani wa uaminifu wa CodeFormer inadhibiti nini?
Ubadilishaji wa vipengele vinavyoweza kudhibitiwa huwaruhusu watumiaji kuteleza kati ya kuhifadhi utambulisho asili na kutoa matokeo safi na makali zaidi.
CodeFormer ilichapishwa katika ukumbi gani?
CodeFormer ilianzishwa katika NeurIPS 2022, ikiwasilisha mbinu yake ya kuangalia kijitabu cha msimbo ili kurejesha sura thabiti.