
vous pouvez donc l'utiliser à des fins non commerciales
Si vous regardez les images présentées sur le site Web ThisPersonDoesnotExist.com (cette personne n’existe pas), vous pouvez penser être tombé sur des portraits aléatoires de lycée ou des photos issues d’une autre source. Pourtant, chaque photo sur le site a été créée en utilisant un type spécial d'algorithme d'intelligence artificielle appelé generative adversarial network (GAN, ou, en français, réseau antagoniste génératif).
Chaque fois que le site est rafraîchi, une image débordant de réalisme présente le visage d’une personne. Phillip Wang, ingénieur en logiciel chez Uber, a créé la page pour démontrer les capacités du GAN, puis l'a publiée sur le groupe public "Intelligence artificielle et apprentissage en profondeur".
Le code sous-jacent qui a rendu cela possible, intitulé StyleGAN, a été écrit par Nvidia et fait l'objet d'un article qui n'avait pas encore été approuvé par des pairs. Ce type de réseau de neurones a le potentiel de révolutionner la technologie du jeu vidéo et de la modélisation 3D, mais, comme presque tout type de technologie, il pourrait également être utilisé à des fins plus sinistres. Rappelons par exemple que les deepfakes, ou des images générées par ordinateur superposées à des images ou des vidéos existantes, peuvent être utilisés pour diffuser de faux récits d’actualité ou d’autres canulars. C’est donc dans un but de sensibilisation que Wang a choisi de faire cette page Web.

S’il fallait simplifier, nous pourrions dire que le GAN implique que deux réseaux travaillent l’un contre l’autre. Le premier va être nourri en données brutes qu’il va décomposer. À partir de ces données, il va tenter de créer une image. Il va ensuite soumettre cette image à un autre réseau qui, lui, n’a que des photos ou images réelles dans sa base de données. Ce deuxième réseau va alors juger de l’image et va informer le premier de son jugement. Si l’image ne ressemble pas au résultat attendu, le premier algorithme va recommencer le processus. Si le résultat correspond, il va être informé qu’il est sur la bonne voie et finir par comprendre ce qu’est une bonne image. Une fois qu’il est suffisamment entraîné, il peut en produire à la chaîne.
StyleGAN, l'implémentation TensorFlow officielle
Pour ceux d'entre vous qui se sont demandé si l'IA est capable de faire des variantes d'une même personne, la réponse est oui. En effet, sur le dépôt officiel de StyleGAN, technologie dont Phillip Wang s'est servi, l'image ci-dessous nous indique que « Ces personnes ne sont pas réelles - elles ont été produites par notre générateur, ce qui permet de contrôler différents aspects de l'image »

Voici les recommandations système de NVidia :
- Linux et Windows sont pris en charge, mais nous recommandons vivement Linux pour des raisons de performances et de compatibilité.
- Installation de Python 3.6 64 bits. Nous recommandons Anaconda3 avec numpy 1.14.3 ou une version plus récente.
- TensorFlow 1.10.0 ou une version plus récent avec prise en charge du processeur graphique.
- Un ou plusieurs GPU haut de gamme avec au moins 11 Go de DRAM. Nous recommandons NVIDIA DGX-1 avec 8 GPU Tesla V100.
- Pilote NVIDIA 391.35 ou une version plus récente, CUDA Toolkit 9.0 ou une version plus récente, NDDN 7.3.1 ou une version plus récente.
Des exemples d'utilisation (basique et avancée) sont fournies. Une fois exécuté, le script télécharge un générateur StyleGAN pré-formé à partir de Google Drive et l'utilise pour générer une image.
Source : StyleGAN
Et vous ?

Voir aussi :




Vous avez lu gratuitement 1 articles depuis plus d'un an.
Soutenez le club developpez.com en souscrivant un abonnement pour que nous puissions continuer à vous proposer des publications.
Soutenez le club developpez.com en souscrivant un abonnement pour que nous puissions continuer à vous proposer des publications.