Home-theater-designers
I det sidste årti ville et 5 MP-kamera hjælpe dig med at tage det bedst mulige billede. Det samme billede ville dog se ringere ud i kvalitet, da du i dag kan få meget klarere og mere high-definition billeder.
GFPGAN er en gratis open source-software, der kan øge opløsningen af disse billeder og få dem til at se bedre ud, og som også retter nogle af skaderne. Sådan opskalerer og gendanner du dine billeder med GFPGAN.
MAKEUSE AF DAGENS VIDEO
Hvad er GFPGAN?
GFPGAN (Generative Facial Prior Generative Adversarial Network) er en open source-app tilgængelig til gratis brug på GitHub . Du kan enten downloade koden eller bruge en af onlineversionerne til at opskalere dit billede.
Applikationen bruger en præ-trænet GAN-model. En GAN-model bruger et sæt data til at identificere mønstre og udfylde hullerne på dit billede vha maskinlæringsalgoritmer og neurale netværk.
Med andre ord har appen en intelligent behandlingsalgoritme, der problemfrit erstatter den beskadigede eller slørede del af dit billede med lignende stykker af andre billeder.
Sådan forbedres billedopløsning med GFPGAN
Trinene til at opskalere og gendanne dine billeder med GFPGAN AI er ret ligetil. Alt du skal gøre er at uploade dit billede til hjemmesiden og vente på, at programmet fuldfører transformationen. Sådan gør du.
- Åbn GFPGAN-siden på GitHub .
- Åbn en af de tilgængelige online demoer. For eksempel, Repliker .
- Rul ned og klik på boksen under img sektion for at uploade dit billede. Alternativt kan du trække og slippe dit billede eller tage et ved hjælp af dit webcam.
- Når dit billede er uploadet, skal du justere version og vægt indstillinger. Versionen er som standard indstillet til den nyeste. Du kan øge skaleringsfaktoren for bedre resultater.
- Klik Indsend og vent på, at programmet genererer resultater. Du kan se en synlig forskel i dit billede afhængigt af skaleringsfaktoren og ruheden.
- Nu kan du dele eller downloade dit billede fra de tilgængelige muligheder.
Det er alt. Du har opskaleret og gendannet dit billede ved hjælp af GFPGAN-algoritmen. Du kan justere versionerne og skaleringsfaktoren for at få forskellige resultater.
GFPGAN AI-begrænsningerne
Selvom billedgendannelsesværktøjerne fungerer som et mirakel, er der et par begrænsninger, som selv AI ikke kan løse.
hvor kan jeg finde hvalpe til salg
For eksempel laver billedopskaleringsalgoritmen gæt, mens de tilføjer de ekstra pixels. Det er ikke at skabe noget, men at lære af den fortrænede model og bruge eksisterende data til at lave et tæt gæt. Derfor er der en chance for, at personen kan se helt anderledes ud end originalen.
Algoritmen er dog så problemfri, at identitetstab sjældent sker. Alligevel er det værd at nævne, at det er urealistisk at forvente, at AI'en genererer et nøjagtigt billede af personen. I bedste tilfælde kan du forvente høj nøjagtighed; hos nogle kan det være en helt anden person.
Også GFPGAN er præcist lavet til ansigtsrestaurering. Derfor, hvis du vil genskabe et landskab eller et objekt, vil du måske ikke finde resultaterne imponerende. I nogle tilfælde kan et objekt se alt for redigeret eller glat ud. Dette får billedet til at se unaturligt ud. Det ville være bedst at bruge billedredigeringssoftware som Photoshop til at justere det opskalerede billede for at få det til at se naturligt ud manuelt.
I øjeblikket har GFPGAN endnu ikke nået sit maksimale potentiale. Derfor vil du opdage, at de opskalerede billeder ikke er så skarpe. Og billederne ser alt for glatte ud. Du kan skærpe billedet ved hjælp af Photoshop at opnå bedre resultater.
Endelig har værktøjet en begrænset mængde processorkraft. Derfor kan du finde det besværligt at forbedre en stor fil. Men et gammelt lavopløsningsbillede vil ikke have en stor filstørrelse.
Forskellene i GFPGAN-versionerne
GFPGAN-algoritmen har forskellige versioner, du kan bruge. Den seneste er naturligvis bedre, men den er ikke altid konstruktiv i nogle tilfælde. For eksempel er version 1 i stand til at farve dit billede, men udviklere fjernede funktionen i senere opdateringer.
kan du ændre dit ubisoft navn
Her er fordelene og begrænsningerne ved hver version, så du kan træffe en informeret beslutning om at opskalere dit billede. Nogle versioner er ikke tilgængelige online, så du skal downloade dem fra GitHub-siden og bruge dem på din computer.
Version 1
Den første version af GFPGAN er imponerende. Det genererer et output, der ligner inputbilledet. Derudover har den en farvelægningsfunktion, der automatisk farver dit sort-hvide billede. Det kan dog have svært ved at genskabe beskadigede billeder.
Version 1.2
Den anden version, eller Version 1.2, er en opgraderet algoritme. Det vil gøre dine billeder i meget høj opløsning. Den eneste mangel ved denne version er dens bedste kvalitet. Det opskalerede billede ser alt for skinnende og unaturligt ud på grund af skønhedsmakeup-funktionen.
Det ser ud til, at værktøjet implementerer HDR-teknologi til stærkere billeder. Funktionen fungerer dog bedst til landskaber og kan samtidig få et ansigtsbillede til at ligne et maleri. Så du kan bruge denne version til billeder med landskaber. Hvis du ønsker at tilføje effekten til dine billeder manuelt, se vores detaljerede guide vedr hvordan man laver et falsk HDR-billede ved hjælp af Photoshop .
Version 1.3
Version 1.3 er bedre end de to tidligere versioner. Det reducerer den alt for skinnende effekt fra version 1.2 og får billederne til at se mere naturlige ud. Billederne er dog stadig ikke skarpe, og man kan i nogle tilfælde miste personens identitet. Alligevel giver det de bedste resultater sammenlignet med tidligere versioner.
Version 1.4
Version 1.4 er lidt opdateret fra version 1.3 for bedre resultater. Det kan arbejde med billeder i meget lav kvalitet, hvilket giver de bedste resultater. Derudover kan denne version også fjerne skader fra billedet naturligt.
Opskaler og gendan ubesværet din lav-
GFPGAN er en gratis AI, der konverterer billeder i lav kvalitet til høj opløsning. Værktøjet er stadig under udvikling, så det er muligt at se bedre versioner i fremtiden. Selvom det opdateres regelmæssigt, kan du finde de ældre versioner på GitHub-webstedet.
Nogle versioner fungerer bedre til specifikke opgaver, hvorimod alle resultater nogle gange ser identiske ud. Det er bedst at prøve alle tilgængelige tweaks som version og skaleringsfaktor for at sikre, at du får de bedste resultater.