英偉達的最新AI工具又讓網(wǎng)友用戶們激動了。

“我已經(jīng)等不及了！”

一位網(wǎng)友在看完演示視頻后表示。對于“手殘黨”來說，英偉達的EditGAN簡直就是零基礎P圖神器。能夠高質(zhì)量、高精細度地對圖像進行修改，讓P圖方式從未如此容易。

例如，讓畫像和雕塑“擠眉弄眼”：

只要你會上傳圖片、能畫草圖，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甚至能精細到修改車輪輻條大小和方向：

當然，真人照片也不在話下，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義分割草圖，直接在草圖上涂抹修改。

△ 在草圖中加入牙齒部分，人就笑了

EditGAN只會修改你想要改變的部位，其他部分都原封不動。和最近的GauGAN2一樣，英偉達也為EditGAN開發(fā)了一個電腦軟件：

這項研究已經(jīng)被NeurIPS 2021接收。

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

首個GAN驅(qū)動的圖像編輯器

研究人員表示，EditGAN是第一個GAN驅(qū)動的圖像編輯框架，它的主要特點是：

1. 提供非常高的精度編輯；

2. 只需要很少的注釋訓練數(shù)據(jù)；

3. 可以實時交互式運行；

4. 允許多個編輯的直接合成；

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編碼子空間轉(zhuǎn)換為另一個圖像。

但問題在于，這個空間是多維的，我們很難將其可視化，也很難確定該子空間的哪一部分負責重建圖像中的哪個特征。

通常，需要龐大的標注數(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僅通過對少數(shù)標記的數(shù)據(jù)集示例進行學習，就能將分割與圖像相匹配，從而實現(xiàn)圖像圖像的編輯。

EditGAN保留了完整的圖像質(zhì)量，同時提供了前所未有的細節(jié)和自由度。更重要的是EditGAN不僅知道潛在空間對應控制那個部分，而且還將它們與草圖對應起來。這樣，我們就可以通過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義分割。EditGAN的關鍵思想在于利用圖像和像素級語言分割聯(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的訓練過程：修改語義分割并優(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。相應的梯度通過共享生成器進行反向傳播。

為了攤銷優(yōu)化，作者在實現(xiàn)編輯的潛在空間中找到“編輯矢量”。該框架允許學習任意數(shù)量的編輯矢量，然后以實時的速率直接應用于其他圖像。

P圖工具即將發(fā)布

作者團隊在英偉達內(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練以及嵌入和編輯的優(yōu)化。該項目使用了大約14000個GPU 小時，其中大約3500個 GPU 小時用于最終實驗，其余用于研究項目早期階段的探索和測試。

至于EditGAN的運行，在V100上進行30 (60) 步優(yōu)化需要 11.4 (18.9) 秒。

雖然訓練不起，但是用訓練好的模型來P圖還是有可能的。

此前英偉達發(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的PS文件。

可能Canvas也會很快集成EditGAN的吧。

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

論文地址：

https://arxiv.org/abs/2111.03186

補充材料：

https://nv-tlabs.github.io/editGAN/editGAN_supp_compressed.pdf

講解視頻：

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