Нейронную сеть научили писать картины в стиле известных живописцев

Ученые Тюбингенского университета в Германии представили алгоритм для нейронной сети, который позволяет воспроизводить любые изображения в стиле того или иного художника. Нейросеть способна скопировать технику Винсента Ван Гога, Эдварда Мунка и Пабло Пикассо, сообщает The Washington Post.

Программа может использовать любые изображения или фотографии. Нейросеть распознает и анализирует картинку, а затем создает на ее основе новую в соответствии с задачей. К примеру, фотографию нескольких жилых домов программе удалось перерисовать в стиле «Звездной ночи» Ван Гога и «Крика» Мунка.
По словам авторов проекта, созданный алгоритм позволяет отразить работу человеческого мозга. «Мы узнали, что нейронная сеть может различать форму и содержание. То есть у нас появилась возможность оперировать ее представлениями о том и другом понятии, чтобы создавать новые, осмысленные изображения», — отметил один из авторов Леон Гейтис.

Искусственная нейронная сеть — это математическая модель, принцип действия которой базируется на структуре мозга человека. Существующие в настоящее время алгоритмы машинного обучения основаны на анализе огромного количества экспериментальных данных. Например, чтобы натренировать систему на визуальное распознание мотоциклов на фото, необходимо «скормить» ей множество фотографий, обозначенных как «мотоциклы». Такие системы используются для распознавания устной речи, анализа изображений, проверки сообщений на спам.

newsru.com

Оставаться в курсе всех наших новостей?

<div style="border:1px; width:450px; border-color:#701c1f; background-color:#F5F5F5; font-family:Verdana, Arial, Helvetica, sans-serif"><div style="float:right; text-align:right"><a href="http://polit.pro"><img src="http://polit.pro/logo.png" height="15"/></a><br /><a href="<?if()?><?else?>/_nw/271/50338067.jpg<?endif?>" class="class1"><img src="/_nw/271/50338067.jpg" width="105" border="2"></a></div><b style="font-size:13px"><span style="color:#701c1f;">01 Сентября 2015</span> - Нейронную сеть научили писать картины в стиле известных живописцев</b><br /><span style="font-size:11px"><a href="/news/1-0-6" title="Ещё материалы >>>" style="text-decoration:none; color:#000000"><div id="nativeroll_video_cont" style="display:none;"></div>Ученые Тюбингенского университета в Германии представили алгоритм для нейронной сети, который позволяет воспроизводить любые изображения в стиле того или иного художника. Нейросеть способна скопировать технику Винсента Ван Гога, Эдварда Мунка и Пабло Пикассо, сообщает The Washington Post. <br /><br /> Программа может использовать любые изображения или фотографии. Нейросеть распознает и анализирует картинку, а затем создает на ее основе новую в соответствии с задачей. К примеру, фотографию нескольких жилых домов программе удалось перерисовать в стиле «Звездной ночи» Ван Гога и «Крика» Мунка. <br /> По словам авторов проекта, созданный алгоритм позволяет отразить работу человеческого мозга. «Мы узнали, что нейронная сеть может различать форму и содержание. То есть у нас появилась возможность оперировать ее представлениями о том и другом понятии, чтобы создавать новые, осмысленные изображения», — отметил один из авторов Леон Гейтис. <br /><br /> Искусственная нейронная сеть — это математическая модель, принцип действия которой базируется на структуре мозга человека. Существующие в настоящее время алгоритмы машинного обучения основаны на анализе огромного количества экспериментальных данных. Например, чтобы натренировать систему на визуальное распознание мотоциклов на фото, необходимо «скормить» ей множество фотографий, обозначенных как «мотоциклы». Такие системы используются для распознавания устной речи, анализа изображений, проверки сообщений на спам. <br /><br /> newsru.com
		<script>
			var container = document.getElementById('nativeroll_video_cont');

if (container) {
				var parent = container.parentElement;

if (parent) {
					const wrapper = document.createElement('div');
					wrapper.classList.add('js-teasers-wrapper');

parent.insertBefore(wrapper, container.nextSibling);
				}
			}
		</script>
	</a></span></div>