12 月 5 日消息，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。

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。

研究人員表示，EditGAN 是第一個 GAN 驅動的圖像編輯框架，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。

作者團隊在英偉達內部 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？

總結

以上是生活随笔為你收集整理的还要啥PS！NV搞了款新软件简直零基础P图神器的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。