Entwickler bei NVIDIA haben ein sog. generative adversarial network (GAN) entwickelt in dem eine Künstliche Intelligenz in die Lage versetzt wird Gesichter von Menschen zu denken, die es nicht gibt, die aber auf den ersten Blick von echten Menschen nichts zu unterscheiden sind.

AI generated Faces


Ist beeindruckend doch nicht das erste mal, dass wir so etwas sehen. Die Ergebnisse werden aber immer verblüffender. Was man mit so einer Technik in Zukunft so anstellen wird, wird sich zeigen…

We propose an alternative generator architecture for generative adversarial networks, borrowing from style transfer literature. The new architecture leads to an automatically learned, unsupervised separation of high-level attributes (e.g., pose and identity when trained on human faces) and stochastic variation in the generated images (e.g., freckles, hair), and it enables intuitive, scale-specific control of the synthesis.

A Style-Based Generator Architecture for Generative Adversarial Networks

The new generator improves the state-of-the-art in terms of traditional distribution quality metrics, leads to demonstrably better interpolation properties, and also better disentangles the latent factors of variation. To quantify interpolation quality and disentanglement, we propose two new, automated methods that are applicable to any generator architecture. Finally, we introduce a new, highly varied and high-quality dataset of human faces.


*** Belong to the cool Kids! It’s Easy: Follow this Blog on Social Media like Twitter, Snapchat or Instagram for more Content of from Zwentner.com & about my Life ***