Uma inteligência artificial que transforma cavalos em zebras e inverno no verão

Os algoritmos de inteligência artificial podem fazer coisas interessantes com imagens, como transformar doodles pobres em monstros felinos atrozes, que apesar de não mostrar o verdadeiro potencial dessa tecnologia, ainda é uma maneira divertida de atrair as pessoas.

fonte The Next Web

Mas agora os pesquisadores por trás do modelo de IA que alimentou a ferramenta doodle-para-monstro-felino, implementaram uma manipulação impressionante de imagens que permite transformar cavalos em zebras, maçãs em laranjas, invernos em verões e muito mais.

Em um novo artigo, Jun-Yan Zhu e Taesung Park da Universidade da Califórnia, em Berkeley na Califórnia, apresentaram um novo modelo que essencialmente permite que você possa transformar imagens de uma maneira em um "ciclo consistente", o que significa que  esperam-se que todas as alterações na imagem original em última instância permaneçam totalmente reversíveis.

Por exemplo, o algoritmo poderia ser usado para transformar uma zebra em um cavalo e vice-versa. Veja o modelo em ação no vídeo abaixo:

Link para o vídeo

Mas esta não é a única coisa que o algoritmo melhorado pode fazer.

O que torna o novo modelo particularmente poderoso e versátil é que ele combina as funcionalidades de vários métodos de inteligência artificial de uma só vez.

Isso significa que o algoritmo pode ser facilmente ajustado para executar uma infinidade de diferentes tarefas e transformações. Por exemplo, ele poderia transformar quadros em fotos tão facilmente como ele poderia transformar fotos em pinturas (e, em seguida, até mesmo adicionar vários estilos para eles). Abaixo estão mais alguns exemplos:

fonte The Next Web

Enquanto a tecnologia é capaz de produzir resultados bastante surpreendentes, ainda precisa de algum ajuste mais aprimorado.

Como os pesquisadores explicam, o modelo "não funciona bem quando uma imagem de teste parece incomum em comparação com as imagens de treinamento".

Mas mesmo nestes casos, os resultados tendem a ser bastante divertidos:

fonte: The Next Web

Para aqueles que estão curiosos para ler o código e cavar na documentação, os pesquisadores fizeram seu trabalho disponível no GitHub. Você pode navegar pelo repositório aqui.

fonte: The Next Web