these ai generated pokemon are strangely compelling 119766
Деякі конструкції покемонів незручно близькі до реальності (принаймні з безпечної відстані)
Я чітко пам’ятаю, як діти в школі тягали за собою плакати з оригінальними 150 покемонами (деякі були навіть заламіновані!), і оскільки серія наближається до позначки 900 монів, здається, що настав правильний час, щоб побачити, які дизайни покемонів можуть вибухнути. з добре навченого ШІ.
Як показано в цьому експерименті від Макс Вульф , який є науковцем даних у BuzzFeed, можна створити щось смішне, дивне та моторошно точний кишенькові монстри нейронної мережі.
Я змусив бота подивитися на кожного покемона і сказав йому створити власного. Ось результати.
(це не жарт, насправді я зробив це саме так) pic.twitter.com/MfJUWJHZoB
— Макс Вулф (@minimaxir) 15 грудня 2021 року
До присвяченого Покемон Прихильнику, багато створінь одразу зареєструються як небрендові, але я б’юся об заклад, що мене можуть обдурити з деякими з них у швидкострільній вікторині.
Отримавши заслужений інтерес до мистецтва в Twitter і Reddit, Вулф написав два більше партії покемонів, створених штучним інтелектом, і їх варто оглянути зблизька:
Вау, вам усім дуже-дуже подобаються ці покемони, створені штучним інтелектом!
На знак подяки за вашу підтримку, як щодо ІНШОГО БОНУСУ?! pic.twitter.com/kM3Kc8bBe6
— Макс Вулф (@minimaxir) 15 грудня 2021 року
Пишучи більше про проект на Reddit, Вулф сказав, що AI використаний тут є точно налаштованим ruDALL-E на офіційних зображеннях покемонів (тобто так ні VQGAN + CLIP або Wombo Dream). Принцип роботи ШІ полягає в тому, що він генерує зображення зверху праворуч у вигляді фрагментів 8×8. Він відбирає наступний фрагмент довільно, щоб зображення було узгодженим, а процес тонкого налаштування навчає ШІ краще розпізнавати шматки покемона.
завантаження програмного забезпечення з будь-якого сайту
Хоча було б чудово мати інтерактивну демонстрацію (не на відміну від простої у використанні Pokemon Fusion інструмент), як каже Вулф, він не дуже портативний/простий у використанні.
Тема генеративні змагальні мережі виник у наступній розмові на Reddit, і він відповів на це Були спроби навчити GAN на Pokemon, але дуже, дуже важко отримати узгоджений результат. (GAN вимагають великої кількості нормалізованих високоякісних вхідних зображень, якими Pokemon не є.) Можливо, це надихне інші експерименти!
Машини, які вивчають покемонів, дуже важлива для мене, але все одно захоплююча. Зображення у верхній частині цієї статті показує деяких з моїх улюблених маленьких монстрів, і так, №2 нас відвертає. №4 виглядає як випадковий NFT, а №8 досить цінний, щоб бути справжнім.
Я сподіваюся, що фан-арт якнайшвидше вийде з-під контролю.