Нейросети для оживления фото: 8 бесплатных сервисов
Sketch RNN
DALL-E – это нейронная сеть, разработанная OpenAI, которая может создавать изображения на основе текстовых описаний. Сеть была обучена на большом наборе данных изображений и текстовых описаний, которые связаны с ними. С помощью этих данных, DALL-E может создавать новые изображения на основе текстового описания.
Quick, Draw! от Google – это нейронная сеть, которая обучалась на наборе данных из миллионов эскизов, нарисованных пользователями. Сеть использует процесс машинного обучения, чтобы распознавать паттерны в эскизах и использовать их, чтобы создавать новые рисунки. Пользователю дается задание и 20 секунд, чтобы нарисовать его. Затем сеть пытается угадать, что пользователь рисует, на основе линий, которые он проводит.
Если выбрать нейтральный по эмоциям образец, сервис оставит размер исходника прежним. А если предпочесть более динамичный вариант, обрежет фон. Наверное, чтобы его не размывать. За HD-качество нужно платить кредитами, а бесплатное превью никуда не годится. Но сама анимация не такая уж плохая.
Качество генерации: ❤️❤️❤️
Удобство использования: 🤩🤩🤩🤩
Есть ли русский язык: есть автоперевод
Лимиты: на 3-секундные анимации в разрешении 340p ограничений нет
Сколько стоит: от 19 $ ( 1900 ₽) за минуту анимации в 720р и возможность убрать вотермарку
Где доступен: на сайте
GANbreeder – интересный инструмент, поскольку он позволяет пользователям исследовать творческие возможности нейронных сетей. Пользователи могут создавать широкий спектр изображений, от реалистичных портретов до абстрактных композиций, и результаты могут быть удивительно убедительными.
Quick, Draw – это интересная и увлекательная игра, которая демонстрирует мощность нейронных сетей. Пользователи могут увидеть, как отгадки сети становятся более точными со временем, когда она учится на основе рисунков, которые нарисовали другие пользователи.
До генерации можно задать промпт: указать, что будет в кадре и в каком стиле. Чтобы попусту не тратить кредиты, рекомендую понажимать на предложенные сервисом заготовки. Среди шаблонных стилей есть базовые: иллюстрация, картина маслом, акварель, кинематографичное изображение.
В библиотеке около 20 примеров. На одних мальчик сдержанно поглядывает по сторонам, моргает и улыбается. На других корчит рожицы и пританцовывает. Чтобы их разглядеть, пришлось увеличить масштаб страницы. Некоторые примеры анимации добавляют песню, которую герой фотографии попытается пропеть.
Runway
Из любопытного — функция липсинка. Заставить голову заговорить можно как при первой загрузке изображения, так и после работы с ним. Сервис советует использовать фотографии, где лицо расположено анфас. В библиотеке больше 30 синтезированных голосов. Достаточно выбрать понравившийся и прописать свой текст, в том числе на русском языке. Если артикуляция покажется странной, можно перегенерировать.
Cервис анимирует исключительно лицо, поэтому только его и оставляет на выходе, отрезая все остальное. Морду кошки как лицо он не распознал. А вот огромную каменную голову-статую принял. Правда, результат вышел плохой. Вероятно, потому, что нейросеть не смогла разметить, где какие черты.
Качество генерации: ❤️❤️❤️❤️
Удобство использования: 🤩🤩
Есть ли русский язык: да
Лимиты: нет ограничений
Сколько стоит: от 299 ₽ в месяц за более высокое качество, дополнительные эффекты и возможность убрать вотермарку
Где доступен: iOS, Andorid
Sketch RNN – это нейронная сеть, которая может создавать визуальные рисунки из рисунков с графических планшетов. Сеть использует переменную рекурсивную сеть (Variational Recurrent Neural Network) для обучения на наборе данных, который содержит рисунки с графических планшетов.
Например, заставить облака плыть по небу, а человека улыбаться. Причем хорошая технология сама поймет, как анимировать объект: отличит ребенка от дерева, учтет, что глаза должны моргать, а не разбегаться в разные стороны. Получаются красивые гифки, которые смотрятся интереснее стандартных фото и картинок.
GANbreeder/Artbreeder – это онлайн-инструмент, который позволяет пользователям создавать изображения с помощью типа нейронных сетей, который называется генеративным противостоянием сетей (GAN). Пользователь выбирает два изображения из библиотеки изображений, и GANbreeder комбинирует их, чтобы создать новое изображение, которое включает черты из обоих изображений. Пользователь может улучшить изображение, выбрав черты, которые он хочет сохранить, и используя регулятор для настройки уровня каждой черты.
