Ver esta rede neural renderizar rostos fotorrealistas é assustador e fascinante

Em 2015, o Google lançou o DeepDream, uma rede neural maluca e artística em que os usuários colocavam em prática de tudo, desde colagens perturbadoras de cães até pornografia psicodélica ainda mais perturbadora. O DeepDream pode ter sido só um prenúncio de aplicações menos desagradáveis esteticamente mas muito mais significativas desta tecnologia levemente assustadora — como, […]

Em 2015, o Google lançou o DeepDream, uma rede neural maluca e artística em que os usuários colocavam em prática de tudo, desde colagens perturbadoras de cães até pornografia psicodélica ainda mais perturbadora. O DeepDream pode ter sido só um prenúncio de aplicações menos desagradáveis esteticamente mas muito mais significativas desta tecnologia levemente assustadora — como, por exemplo, gerar imagens fotorrealistas, em alta definição, de pessoas que nunca existiram.

A fabricante de placas de vídeos e eletrônicos Nvidia lançou um estudo na sexta-feira (27), mostrando um novo método de gerar rostos únicos por meio de uma “rede contraditória generativa” (GAN, na sigla em inglês), uma espécie de algoritmo em que os pesquisadores combinam duas redes neurais concorrentes uma contra a outra. Em uma GAN, uma das duas redes neurais é colocada em uma função generativa (como renderizar imagens ou tentar resolver um problema), enquanto a outra é colocada em um papel adversário, desafiando os resultados da primeira. A intenção é que a rede neural generativa produza um resultado superior ao levar em consideração as ideias de sua colega adversária.

Imagem: Captura de tela via Nvidia

A equipe da Nvidia escreveu que, com um novo método de treinamento progressivo, conseguiu gerar “imagens de qualidade sem precedentes”, usando o banco de dados CelebA-HQ, com fotos de pessoas famosas, e os resultados ficaram muito bons, em resolução de até 1024 pixels:

Descrevemos uma nova metodologia de treino para redes contraditórias generativas. A ideia principal é aumentar progressivamente tanto o gerador quanto o discriminador, começando de imagens de baixa resolução e acrescentando novas camadas que lidam com detalhes de maior resolução conforme o treinamento progride. Isso estabiliza significativamente o treinamento e nos permite produzir imagens de qualidade sem precedentes, por exemplo, imagens do CelebA em resolução de 1024 x 1024.

É sinceramente muito estranho: todas essas pessoas que nunca existiram flutuando diante de seus olhos em detalhes inquietantes — embora sejam apenas imagens estáticas, o que significa que estamos bem longe de Matrix. O método da Nvidia também permitiu uma geração muito boa de objetos e cenários, que você pode ver no vídeo abaixo.

[Nvidia/Tumblr]

Imagem do topo: Reprodução

fique por dentro
das novidades giz Inscreva-se agora para receber em primeira mão todas as notícias sobre tecnologia, ciência e cultura, reviews e comparativos exclusivos de produtos, além de descontos imperdíveis em ofertas exclusivas