Den här experimentella programvaran kan förvandla Mundane-foton till fantastiska mästerverk

Att använda fotoredigeringsprogramvara för att förbättra foton är ganska vanligt idag. Oavsett om vi vill minska effekten av brister som fruktade 'röda ögon' eller till och med lägga till element som inte fanns tidigare, är fotoredigering definitivt här för att stanna.







Vissa applikationer som Instagram kommer också med filter för foton som förändrar utseendet på foton. Vissa av dessa filter gör att det verkar som om ditt foto togs under olika ljusförhållanden.



Nyligen emellertid a team av forskare från Cornell University som består av professor Kavita Bala och doktorand Fujun Luan i samarbete med Sylvian Paris Eli Shechtman från Adobe har skapat en programvara som kan överföra stilen på en bild till en annan bild.





Styleöverföring

Objekten på fotografierna är relativt oförändrade, med stilöverföringstekniken fokuserad främst på att förändra färger.

Denna teknik innebär, vad som i huvudsak är en givarbild, från vilken den önskade stilen kommer att kopieras. Stilen kopieras till den önskade bilden med bibehållen samma struktur och det slutliga resultatet är ganska imponerande.

Det slutliga resultatet ser inte alls ut på sin plats. Objekten på fotografierna är relativt oförändrade, med stilöverföringstekniken fokuserad främst på att förändra färger.

Se exemplet nedan på resultaten från programvaran.




Forskare från Cornell University And Adobe har formulerat en kreativ bildredigeringsmetod som visas här. Den överför en bilds stil till en annan. | Cornell University




Hur det fungerar

I huvudsak extraherar denna lösning givarbildens funktioner och ger dem en målbild

Teamet formulerade en smart djup inlärningslösning som använde ett neuralt nätverkslager för att utföra tekniken.

Djupt lärande är, som namnet antyder, en metod för datorinlärning. Det kan utföra inlärningsuppgifter med neurala nätverk. Ett neuralt nätverk är ett datorsystem som kan lära sig baserat på data som det undersöker. Detta system är baserat på hjärnans biologiska konfiguration.

Ursprungligen var det svårt för teamet att producera bilder som du kan berätta kom från en viss givarbild. De kom med en smart lösning som ändrar fotot medan de bibehåller gränserna och kanterna på originalbilden.

I huvudsak extraherar denna lösning givarbildens funktioner och ger dem en målbild.

Det finns andra lösningar som kan överföra stilar mellan bilder men de tenderar att likna målningar, även om 'givar' -bilden är ett foto.

Cornell / Adobys teamets lösning lyckas imponerande behålla sin fotorealism med mycket liten snedvridning.





tillämpningar

Denna programvara kan användas för att överföra vissa egenskaper, till exempel tid på dagen och vädret till exempel.

Denna teknik kan användas för ett antal syften. Naturligtvis ser det bara coolt ut. Tekniken kan emellertid användas för att överföra en mängd olika egenskaper från ett befintligt foto som användaren av en sådan programvara kanske vill ha på ett annat foto.

Denna programvara kan användas för att överföra vissa egenskaper, till exempel tid på dagen och vädret till exempel. Denna teknik kan också användas för att lägga till konstnärliga redigeringar till foton, baserat på givarbilden.





Slutgiltiga tankar

Denna programvara kan visa sig vara ganska kraftfull bildredigeringsverktyg. Slutanvändaren skulle snabbt kunna ge sina foton en stilmatch utan praktiskt taget inget manuellt arbete. Allt som krävs för att skapa ett mästerverk skulle vara en lämplig givarbild.