Yapay Zeka Görüntü Restorasyonu Dünyasında Uygulamalı Bir Yolculuk  Bazen yapay zeka tarafından oluşturulan fotoğraflar biraz riskli çıkıyor. Belki düşük kalitelidirler ya da görüntünün mükemmelden daha az görünmesine neden olan tuhaf yapılar vardır. Ama korkmayın! CodeFormer, günü kurtarmak için burada ve bu görüntüleri anında düzeltmenize yardımcı oluyor. Bu kılavuzda size CodeFormer modelini tanıtacağım, nasıl çalıştığını göstereceğim ve yapay zeka tarafından oluşturulan hafif çarpık bir fotoğrafı düzeltmek için bu modeli nasıl kullanacağınızı açıklayacağım. Başka bir yapay zeka modelinden aldığım tuhaf görüntüyü temizlemek için kullandığım adımların tam olarak aşağıda gösterildiği şekilde size yol göstereceğim:   Bu görüntü oradan geldi  başka bir blog yazısı için kullandığım model. Kendi oluşturduğunuz görsellerinizi temizlemek ve hatta daha iyi görünmeleri için onları ölçeklendirmek için izlediğim iş akışını nasıl kullanabileceğinizi size göstereceğim. Bu izlenecek yolu Replicate python SDK'yı kullanarak yapacağım, ancak desteklenen birçok başka dil de var  .   gizemli difüzyon   Çoğaltıldığında  Bu kılavuzda size ayrıca nasıl kullanabileceğimizi de göstereceğim.  benzer modelleri bulup hangisini beğendiğimize karar vermek. Replicate Codex, yapay zeka modellerini aramanıza, filtrelemenize, sıralamanıza ve karşılaştırmanıza ve yapay zeka projeniz için doğru olanı bulmanıza olanak tanıyan ücretsiz bir topluluk aracıdır.    Kodeksi Çoğalt  CodeFormer, Replicate Codex'te 6. sırada yer alıyor. 8 milyondan fazla koşuyla son derece popüler. Dolayısıyla topluluğun bu aracı gerçekten sevdiğini söyleyebiliriz; bu da sizin de onu kullanmak isteyebileceğiniz anlamına gelir!  CodeFormer Hakkında  CodeFormer'ın yaratıcısı  , hem eski fotoğraflarla hem de yapay zeka tarafından oluşturulan yüzlerle çalışacak şekilde tasarlanmış sağlam bir yüz restorasyon algoritmasıdır. Bu, Nvidia T4 GPU donanımında ortalama 10 saniye çalışma süresine sahip, çalıştırma başına maliyeti 0,0055 ABD doları olan bir Görüntüden Görüntüye modelidir.   sczhou  CodeFormer'ın temel teknolojisi, kod tahmini için küresel kompozisyonu ve bağlamı modelleyen Transformer tabanlı bir tahmin ağına dayanmaktadır. Bu, girdiler ciddi şekilde bozulduğunda bile modelin hedef yüzlere çok yakın olan doğal yüzleri keşfetmesine olanak tanır. Aslına uygunluk ve kalite arasında esnek bir denge sağlayan kontrol edilebilir bir özellik dönüştürme modülü de dahildir. CodeFormer'ın nasıl çalıştığı hakkında daha fazla bilgi edinebilirsiniz  .   Github'da  CodeFormer'ın Giriş ve Çıkışlarını Anlamak  Bu proje üzerinde çalışmaya başlamadan önce, modelin beklediği girdi ve çıktıları anlamak için bir dakikanızı ayıralım.  Girişler    (dosya): Düzeltmek istediğiniz giriş resmi. image    (sayı): Kalite (düşük sayı) ile aslına uygunluk (yüksek sayı) arasındaki denge. Varsayılan değer: 0,5. codeformer_fidelity    (boolean): Arka plan görüntüsünün Real-ESRGAN ile geliştirilip geliştirilmeyeceği. Varsayılan değer: yanlış. background_enhance    (boolean): Yapay zeka tarafından oluşturulan yüksek çözünürlüklü görüntüler için geri yüklenen yüzlerin üst örneklenip örneklenmeyeceği. Varsayılan değer: yanlış. face_upsample    (tamsayı): Görüntünün son üst örnekleme ölçeği. Varsayılan değer: 2. upscale  çıktılar  Modelin çıktısı, sabit görüntüyü temsil eden bir URI dizesidir. Bu bir JSON nesnesidir ve aşağıdaki formata benzer:   { "type": "string", "title": "Output", "format": "uri" }  Artık giriş ve çıkışları anladığımıza göre, yapay zeka tarafından oluşturulan çarpık bir fotoğrafı düzeltmek için CodeFormer'ı kullanmaya başlayalım.  CodeFormer'ı Kullanmaya İlişkin Adım Adım Kılavuz  Kodlamaya hazır değilseniz, kullanıcı arayüzü aracılığıyla CodeFormer'ın Replicate üzerindeki "demosu" ile doğrudan etkileşim kurabilirsiniz. Yapabilirsiniz  doğrudan arayüzle etkileşime geçmek ve denemek için! Bu, modelin parametreleriyle oynamanın ve hızlı geri bildirim ve doğrulama almanın güzel bir yoludur.   bu bağlantıyı kullan  Daha teknik bilginiz varsa ve sonunda CodeFormer'ın üzerine harika bir araç oluşturmak istiyorsanız, Replicate'deki modeli kullanarak görüntülerinizi geri yüklemek ve geliştirmek için bu basit adımları takip edebilirsiniz.  Bir Replicate hesabınızın ve API anahtarınızın elinizin altında olduğundan emin olun!  1. Adım: Python istemcisini yükleyin  Bunu yapmak oldukça kolaydır:   pip install replicate  2. Adım: API belirtecinizi ayarlayın  Bunu hesap sekmenizdeki Replicate'den alabilirsiniz.   export REPLICATE_API_TOKEN=[token]  3. Adım: Modeli çalıştırın  Replicate python SDK ile bunu yapmak için yalnızca birkaç satır koda ihtiyacınız var.   import replicate output = replicate.run( "sczhou/codeformer:7de2ea26c616d5bf2245ad0d5e24f0ff9a6204578a5c876db53142edd9d2cd56", input={"image": open("path/to/file", "rb")} ) print(output)  Bu adımda,   kütüphanesini içe aktarıyoruz ve CodeFormer modelini sağlanan giriş görüntüsüyle çalıştırmak için   fonksiyonunu çağırıyoruz. Çıktı, sabit görüntüyü temsil eden bir URI dizesi olarak yazdırılacaktır. replicate run  İşte bu süreçten elde ettiğim çıktı görüntüsü, başladığım berbat girdinin karşısında gösteriliyor. Ne büyük bir gelişme!   Daha İleriye Gitmek - Kopya Kodeksli Diğer Görüntü Onarım Modellerini Bulma  Replicate Codex, görüntü oluşturma, görüntüden görüntüye dönüştürme ve çok daha fazlası dahil olmak üzere çeşitli yaratıcı ihtiyaçları karşılayan yapay zeka modellerini keşfetmek için harika bir kaynaktır. Replicate'deki tüm modellerin tamamen aranabilir, filtrelenebilir, etiketli bir veritabanıdır ve ayrıca modelleri karşılaştırmanıza, fiyata göre sıralamanıza veya yaratıcıya göre keşfetmenize olanak tanır. Ücretsizdir ve ayrıca yeni modeller çıktığında sizi deneyebilmeniz için sizi uyaracak bir özet e-postası da vardır.  CodeFormer'a benzer modeller bulmakla ilgileniyorsanız...  1. Adım: Replikasyon Kodeksi'ni Ziyaret Edin  Başını aşmak  Benzer modelleri aramaya başlamak için.   Kodeksi Çoğalt  2. Adım: Arama Çubuğunu kullanın  "Görüntü restorasyonu", "yüz geliştirme" veya "süper çözünürlük" gibi belirli anahtar kelimelere sahip modelleri aramak için sayfanın üst kısmındaki arama çubuğunu kullanın. Bu size arama sorgunuzla ilgili modellerin bir listesini gösterecektir.  3. Adım: Sonuçları Filtreleyin  Arama sonuçları sayfasının sağ tarafında model listesini daraltmanıza yardımcı olabilecek çeşitli filtreler bulacaksınız. Modelleri türe (Görüntüden Görüntüye, Metinden Görüntüye vb.), maliyete, popülerliğe ve hatta belirli yaratıcılara göre filtreleyebilir ve sıralayabilirsiniz.   Bu filtreleri uygulayarak özel ihtiyaçlarınıza ve tercihlerinize en uygun modelleri bulabilirsiniz. Örneğin, en popüler olan bir görüntü restorasyon modeli arıyorsanız arama yapıp çalıştırma sayısına göre sıralayabilirsiniz. Bu durumda, eski fotoğrafları geri yüklemek için de kullandığım GFPGAN modelini bulacaksınız - bkz.  daha fazla bilgi için. Aşağıya GFPGAN'dan örnek bir restorasyon ekledim, böylece görüntüleri nasıl işlediğine dair bir fikir edinebilirsiniz.    buradaki yazım  Çözüm  Bu kılavuzda CodeFormer modelini araştırdık, giriş ve çıkışlarını öğrendik ve yapay zeka tarafından oluşturulan çarpık fotoğrafları düzeltmek için bu modeli nasıl kullanabileceğimizi gösterdik. Ayrıca benzer modelleri bulmak ve çıktılarını karşılaştırmak için Replicate Codex'teki arama ve filtreleme özelliklerinden nasıl yararlanacağımızı da tartıştık; böylece yapay zeka destekli görüntü iyileştirme ve restorasyon dünyasında ufkumuzu genişletmemize olanak sağladık.  Umarım bu kılavuz size yapay zekanın yaratıcı olanaklarını keşfetmeniz ve hayal gücünüzü hayata geçirmeniz için ilham vermiştir. Okuduğunuz için teşekkürler. Replicate Codex ile görselleri geliştirmenin ve yapay zeka dünyasını keşfetmenin mutluluğunu yaşayın!    Ayrıca Yayınlandı Burada

This story contains new, firsthand information uncovered by the writer.

Tell me why my site sucks so I can make it better. Be mean.

Read My Stories

Bu ses hikayenin orijinal dilinde üretilmiştir!

Çok uzun; Okumak

Make resilience your competitive advantage

CodeFormer ile Yapay Zekanın Oluşturduğu Canavarları İnsanlara Dönüştürmek

About Author

YORUMLAR

ETİKETLERİ ASIN

BU YAZI

Related Stories

Floki'den Valhalla Hindistan'ın Sri Lanka Turuna Yardımcı Sponsor Olarak Katıldı

Başarılı Buluta Geçiş İçin Tam Kılavuz: Stratejiler ve En İyi Uygulamalar

Kazanmak için Dokun: Telegram, Solana'dan Önce Sonraki 10 Milyar Kripto Kullanıcısına Katılabilir

Kripto Büyümesi: Etkili Kullanıcı Kişilikleri Oluşturma

Floki'den Valhalla Hindistan'ın Sri Lanka Turuna Yardımcı Sponsor Olarak Katıldı

Başarılı Buluta Geçiş İçin Tam Kılavuz: Stratejiler ve En İyi Uygulamalar

Kazanmak için Dokun: Telegram, Solana'dan Önce Sonraki 10 Milyar Kripto Kullanıcısına Katılabilir

Kripto Büyümesi: Etkili Kullanıcı Kişilikleri Oluşturma

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps