Чему только не учат искусственный интеллект! И предсказывать вероятность смерти, и анализировать ЭКГ, и подбирать фильмы под настроение. А теперь он вдобавок умеет снимать цензуру с хентая. Проект DeepMindBreak дорисовывает недостающие фрагменты картинки с помощью нейронных сетей. Пока программа находится в разработке и может не всё: например, не работает с чёрно-белыми изображениями. Но мы будем ждать и надеяться.
В основе DeepMindBreak — свёрточная нейронная сеть, которая реконструирует цензурированные участки изображения. Правда, пока простого графического интерфейса у программы нет — придётся ставить интерпретатор Python и несколько других компонентов. Чтобы воссоздать картинку, нужно выделить участок, закрытый цензурным блоком, в графическом редакторе, вырезать фрагмент с ним и поместить в отдельную папку, а затем — запустить программу. Нейронная сеть дорисует необходимое и сохранит результат в другую папку. Получившийся кусочек можно будет вставить в исходное изображение.
Сейчас возможности DeepMindBreak очень ограничены. Он не работает с чёрно-белыми и монохромными изображениями, с обычным порно и гифками и не справляется с картинками, закрытыми «мозаикой». Но скоро это, вероятно, исправят, а вы можете внести свою лепту. DeepMindBreak — проект с открытым исходным кодом. Скачать его можно на GitHub, там же есть ссылки на обученные модели. https://github.com/deeppomf/DeepMindBreak
Проект DeepMindBreak родился не на пустом месте. Это творческая переделка разработок программистов Нарихиро Тады (Narihiro Tada) из Токио и Тони Шина (Tony Shin) из Оксфорда. Которые в свою очередь построены на основе работы исследователей из Университета Васэда (яп. 早稲田大学), Япония, опубликованной в 2017 году в журнале ACM Transaction on Graphics. Суть работы — создание метода машинного обучения, приводящего к возможности «дорисовать» неоконченное, частично закрытое маской или повреждённое изображение так, чтобы оно было локально и глобально завершённым. Коротко, в данном методе изображение параллельно анализируют две нейронные сети — локальный дикриминатор и глобальный дискриминатор. Их задача — выявить незавершённые или повреждённые участки. При этом глобальный дискриминатор анализирует весь изображённый контекст, а локальный сосредотачивается на участке с повреждением. Это позволяет затем нейросети-генератору с высокой точностью (гораздо более высокой, чем у предыдущих моделей аналогичного назначения) восстанавливать скрытые или утерянные элементы, не изображённые в других частях картинки, и правдоподобно дорисовывать высокоспециализированные визуальные структуры, такие как лица.
>>3795235 (OP) Однажды пришлось рисовать сисечки/писечки под стикерами Patreon. А на символическую "цензуру" похуй же, если только гигантские постеры на стену не печатать.
> Black and white images > Monochrome images > Hentai containing screentones (e.g. printed hentai) > Real life porn > Mosaic censorship > Censorship of nipples > Censorship of anus > Animated gifs/videos
Блэт, посоны, расходимся, это говно не работает на пиксельную цензуру.
>>3795707 Оно надо ровно затем, зачем любые задачи перекладываются на компьютеры - человек хуже выполняет такие задачи. Ты тоже можешь в воображении представить что там под черной полоской кусок ляжки и белый фон, но вместо того чтобы напрягать воображение проще будет напрячь компьютер.
>>3795812 "НЕ НУЖОН НАМ ВАШ ТЫНРЕТ"-бабка, это ты? Давай ещё блядь калькуляторы все повыкидывай, на деревянных счетах же можно посчитать, а то напридумывали всяких кнопиц и мукросхем чтобы два плюс два складывать. Ух.
>>3795235 (OP) На самом деле не "снимает", а дорисовывает. Так что анон ты дрочишь на тупые алгоритмы, скоро сеть будет лучше авторов хентая знать, что должно быть изображено на пике. Автор хотел хуй нарисовать, его замазали, а сеть на основе анализа рисует тентакль.
>>3795709 Сука, нахуй вообще децензурить черные плашки, блеать. 90% годного хентая зацензурено пикселями. Если кто-нибудь запилит нормальный депикселизатор - это перевернет индустрию хентая, ведь пока что анцензор-патчи приходится клепать вручную художникам, если разрабы не позаботились.
>>3795826 >НЕ НУЖОН НАМ ВАШ ТЫНРЕТ Ага, а еще я хочу Гитлера/Сталина вернуть и заново совок построить. Просто предмет обсуждения - плод технологической импотенции. Хуйня без задач.
>>3795890 >Хуйня без задач. Да нет вообще-то. Хуйня из ОП это просто один из тысяч вариантов применения библиотеки машинного обучения TensorFlow, которую разработала гугл и вбросила в открытый доступ, для развития человечества. И даже какой-то мамкин мимобурят сделал на домашнем пека из неё систему находящую вектор изображения. Т.е. это можно назвать личинкой искусственного воображения в открытом доступе. Хайвмайн других мамкиных программистов просмотрят этот код и пойдут дальше. А ты - быдло и говно. Нихуя не знаешь не понимаешь сидишь на харкаче и воздух портишь только.
>>3795890 >еще я хочу Гитлера/Сталина вернуть и заново совок построить. Сингулярность приде - оцифруем тебя и засунем в персональный диджитал гулаг "Адольф Сталин-3000", не переживай.
>>3795235 (OP) Охуенно снимает. Умственно отсталый с clone stamp tool и то лучше сделает. Если б оно письку дорисовало там, где большой черный квадрат, да еще и в общем стиле художника, было бы круто. А это хуита полная.
>>3795544 Ты меня неправильно понял, наверное. Кто-то нарисовал няшную Muffet и заклеил стикерами её сисечки/писечку. Меня это расстроило и я сделал красивее.
В основе DeepMindBreak — свёрточная нейронная сеть, которая реконструирует цензурированные участки изображения. Правда, пока простого графического интерфейса у программы нет — придётся ставить интерпретатор Python и несколько других компонентов. Чтобы воссоздать картинку, нужно выделить участок, закрытый цензурным блоком, в графическом редакторе, вырезать фрагмент с ним и поместить в отдельную папку, а затем — запустить программу. Нейронная сеть дорисует необходимое и сохранит результат в другую папку. Получившийся кусочек можно будет вставить в исходное изображение.
Сейчас возможности DeepMindBreak очень ограничены. Он не работает с чёрно-белыми и монохромными изображениями, с обычным порно и гифками и не справляется с картинками, закрытыми «мозаикой». Но скоро это, вероятно, исправят, а вы можете внести свою лепту. DeepMindBreak — проект с открытым исходным кодом. Скачать его можно на GitHub, там же есть ссылки на обученные модели. https://github.com/deeppomf/DeepMindBreak
Проект DeepMindBreak родился не на пустом месте. Это творческая переделка разработок программистов Нарихиро Тады (Narihiro Tada) из Токио и Тони Шина (Tony Shin) из Оксфорда. Которые в свою очередь построены на основе работы исследователей из Университета Васэда (яп. 早稲田大学), Япония, опубликованной в 2017 году в журнале ACM Transaction on Graphics. Суть работы — создание метода машинного обучения, приводящего к возможности «дорисовать» неоконченное, частично закрытое маской или повреждённое изображение так, чтобы оно было локально и глобально завершённым. Коротко, в данном методе изображение параллельно анализируют две нейронные сети — локальный дикриминатор и глобальный дискриминатор. Их задача — выявить незавершённые или повреждённые участки. При этом глобальный дискриминатор анализирует весь изображённый контекст, а локальный сосредотачивается на участке с повреждением. Это позволяет затем нейросети-генератору с высокой точностью (гораздо более высокой, чем у предыдущих моделей аналогичного назначения) восстанавливать скрытые или утерянные элементы, не изображённые в других частях картинки, и правдоподобно дорисовывать высокоспециализированные визуальные структуры, такие как лица.