AUTOMATIC IMAGE CORRECTION USING MACHINE LEARNING

In one embodiment, a computing system may access a training image and a reference image of a person and an incomplete image. A generate may generate an in-painted image based on the incomplete image, and a discriminator may be used to determine whether each of the in-painted image, the training imag...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: DOLHANSKY, Brian, FERRER, Cristian Canton, MEYER, Thomas Ward, MORTON, Jonathan
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:In one embodiment, a computing system may access a training image and a reference image of a person and an incomplete image. A generate may generate an in-painted image based on the incomplete image, and a discriminator may be used to determine whether each of the in-painted image, the training image, and the reference image is likely generated by the generator. The system may compute losses based on the determinations and update the discriminator accordingly. Using the updated discriminator, the system may determine whether a second in-painted image generated by the generator is likely generated by the generator. The system may compute a loss based on the determination and update the generator accordingly. Once training is complete, the generator may he used to generate a modified version of a given image, such as making the eyes of a person appear open even if they were closed in the input image. Selon un mode de réalisation, la présente invention concerne un système informatique pouvant accéder à une image d'apprentissage et à une image de référence d'une personne, ainsi qu'à une image incomplète. Un générateur peut générer une image retouchée sur la base de l'image incomplète, et un discriminateur peut être utilisé pour déterminer si l'image retouchée, l'image d'apprentissage et l'image de référence sont chacune probablement générées par le générateur. Le système peut calculer des pertes sur la base des déterminations et mettre à jour le discriminateur en conséquence. Grâce au discriminateur mis à jour, le système peut déterminer si une seconde image retouchée générée par le générateur est probablement générée par le générateur. Le système peut calculer une perte sur la base de la détermination et mettre à jour le générateur en conséquence. Une fois l'apprentissage terminé, le générateur peut être utilisé pour générer une version modifiée d'une image donnée, par exemple pour faire qu'une personne apparaisse les yeux ouverts même s'ils étaient fermés dans l'image d'entrée.