다양한 무료 및 오픈 소스 인공 지능 프로젝트: 인공 지능이 영광의 왕 역할을 할 수 있도록 모델 훈련.
전체 텍스트 개요
PULSE - 이 오픈 소스 프로젝트는 그림에 픽셀을 추가하여 디모자이크 또는 고화질을 달성할 수 있습니다.
Depix - 모자이크 처리된 텍스트를 디코딩합니다.
TecoGAN - 비디오의 디모자이크 또는 초해상도.
SkinDeep - 한 번의 클릭으로 사진과 비디오에서 문신을 제거하는 검은 기술입니다.
StyleCLIP - AI 자동 P 맵, 빗자루 머리를 가진 머스크를 본 적이 있나요?
Polyglot-png - 분명히 다운로드는 그림입니다. 접미사 이름만 수정하면 그림은 노래, 코드 문자열이 됩니다.
ResnetGPT - 인공 지능이 King of Glory를 플레이할 수 있도록 모델을 훈련시키는 방법을 가르쳐줍니다.
intelligent-uavpath-planning - 이 프로젝트는 지능형 UAV 경로 계획 시뮬레이션 시스템입니다.
EssayKiller_V2 - 한 사람이 3개월에 걸쳐 에세이를 쓸 수 있는 인공지능을 개발했습니다.
style2paints - 환경을 설치할 필요가 없으며 구성을 수행하고 다운로드한 후 두 번 클릭하면 선 그리기에 색상을 지정할 수 있습니다.
펄스
Github(7k):https://github.com/adamian98/pulse
PULSE - 이 오픈 소스 프로젝트는 사진에 픽셀을 추가하여 디모자이크 또는 고화질을 구현할 수 있습니다.
모자이크: 인류 문명의 진보를 가로막는 걸림돌, 너드들의 숙적, 노련한 운전자들의 악몽. 모자이크가 탄생한 이래로 인간과 모자이크의 투쟁은 멈추지 않았습니다.
프로그래머들에게 여자아이들이 우리에게 가장 많은 질문을 한다면: 시스템을 어떻게 설치하나요? 그렇다면 남자아이들이 가장 자주 묻는 질문은 모자이크를 제거하는 방법일 것입니다.
누군가 모자이크를 제거할 수 있는지 묻는다면? 당신은 그에게 긍정적인 대답을 줄 수 있습니다. 아니요, 모자이크는 되돌릴 수 없습니다.
하지만, 하지만! 마음대로 하세요, 저는 그런 걸 너무 많이 봤어요, 코드가 코딩된 곳이 어디인지, 그게 뭔지 모르시나요? 하지만 평범한 사람에게 내가 말하는 것은 평범한 사람이다 셀 수없이 많은 사진을 읽고 심각하게 코딩된 아름다운 여성의 사진을 줘도 이 아름다운 여성이 어떻게 생겼는지 파악하기가 어렵습니다 . 두 가지 이유가 있습니다:
-
당신은 아름다운 사진을 충분히 보지 못했습니다
-
미인 모자이크와 미인의 원본 사진 사이의 연결을 설정하지 않았습니다.
어떤 친구들은 '나는 먹거나 마시지 않고 단지 미녀 사진과 그에 상응하는 모자이크만 본다'고 말했다. 내가 충분히 본 후 나에게 아름다운 여성의 암호화된 사진을 주면, 이 아름다운 여성이 어떻게 생겼는지 즉시 내 마음속에 떠오를 것인가?
언뜻보기에 정말 뭔가가 있습니다. "생각하는 코드가 HD는 아니다"라는 뜻일까요?
그림과 같이:
Depix
Github(23.1k): https://github.com/beurtschipper/Depix
Depix - 모자이크 텍스트 디코딩
그림과 같이:
TecoGAN
Github(5.1k):https://github.com/thunil/TecoGAN
TecoGAN 데모자이크 또는 초해상도 비디오
그림과 같이:
SkinDeep
Github(38.3k):https://github.com/vijishmadhavan/SkinDeep
SkinDeep - 한 번의 클릭으로 사진과 비디오에서 문신을 제거하는 검은 기술
그런데 깃허브(GitHub)에 이런 오픈소스 프로젝트가 있는데, 인도의 알고리즘 연구자인 비지쉬 마드하반(Vijish Madhavan)이 별의 문신을 자동으로 제거할 수 있는 머신러닝 툴 스킨딥(SkinDeep)을 오픈소스화했다.
나는 이 도구를 사용하여 문신이 심한 사람들의 일부 사진을 처리했는데 결과는 나쁘지 않았습니다. 아래 사진은 앨런 아이버슨(미국 농구선수)의 문신 제거 전후 모습이다.
그림과 같이:
StyleCLIP
Github(3.2k):https://github.com/orpatashnik/StyleCLIP
StyleCLIP - AI 자동 P 맵, 빗자루 머리를 가진 머스크를 본 적이 있나요?
방금 이 프로젝트는 AI의 힘을 보여줬고 그 효과는 PS와 비슷합니다. 자동 P-map의 다음 프로젝트는 정말 대단합니다.
원본 사진에 대해 다음과 같이 말할 때 그런 장면에 대해 생각해 본 적이 있습니까? P 잘생긴 앞머리, 펑! 앞머리가 잘생긴 사진이 자동으로 생성됩니다.
그림과 같이:
Polyglot-png
Github(3.2k):https://github.com/DavidBuchanan314/tweetable-polyglot-png
Polyglot-png - 당연히 다운로드는 그림입니다. 접미사 이름만 수정하면 그림이 노래, 코드 문자열이 됩니다.
외국 해커 데이비드 뷰캐넌(David Buchanan)은 트위터의 허점을 이용하여 3MB를 초과하지 않는 한 사진을 위장하여 "암호화된" 파일을 전송했습니다.
그는 이 숨겨진 파일의 GitHub 소스 코드를 이미지로 압축했습니다.
이제 그의 트위터로 가서 이 사진을 다운로드하고 파일 확장자를 .png에서 .zip으로 변경하기만 하면 됩니다. 그런 다음 압축을 풀어 Github 코드로 만들 수 있습니다.
압축된 패키지를 그림으로 숨기는 원리는 복잡하지 않으며, png 그림 파일의 형식은 다음과 같습니다. Zlib 다음에는 IDAT 블록에 추가 데이터 조각이 있습니다. 은닉 데이터는 여기에 들어갑니다.
압축된 패키지가 포함된 이미지 주소:
https://i.imgur.com/kNhGrN3.png
데이비드 뷰캐넌 트위터
https://twitter.com/David3141593/status/1371974874856587268
그림과 같이:
ResnetGPT
Github(2.2k):https://github.com/FengQuanLi/ResnetGPT
ResnetGPT - 인공 지능이 King of Glory를 플레이할 수 있도록 모델을 훈련시키는 방법을 가르쳐줍니다.
이 오픈소스 프로젝트의 구현 원리는 무엇인가요? 아래 그림은 이 모델의 핵심 코드로 어렵지 않습니다. 단계별로 분해하여 이러한 기술을 쉬운 언어로 설명하기 위해 최선을 다하겠습니다.
컴퓨터가 우리를 위해 게임을 하게 하는 것은 다음과 같은 단계로 나눌 수 있습니다. 물론 이 방법은 구현하기가 비교적 쉽고 "강화 학습"을 사용하지 않습니다. 바둑 서클을 학살한 AlphaGo 알고리즘은 강화 학습을 기반으로 합니다.
-
현재 게임 인터페이스를 가져옵니다. 지금 영웅의 상태는 어떤지, 주변에 적 영웅과 병사가 있는지 등등.
-
전진, 공격, 스킬 해제 등 현재 게임 인터페이스 상태를 기반으로 작동 지침을 생성합니다.
-
생성된 휴대폰 제어 작업 지침에 따라 영웅은 해당 작업을 수행합니다.
민간용 인공지능 모델을 훈련시키기 위한 일반적인 과정은 다음과 같습니다. 그중에는 현재 게임 인터페이스를 획득하고 지시에 따라 휴대폰을 제어하는 성숙한 기술이 있습니다.
예를 들어, 이 프로젝트에서는 scrcpy를 사용하여 Android 휴대폰의 투영 화면을 가져오고, 이 Android 투영 아티팩트는 게임 화면을 컴퓨터 데스크톱에 투영할 수 있습니다.
게임 화면을 이용하면 이때의 전투 상황을 알 수 있습니다. 게임 화면은 그림 형태로 되어 있는데, 그림에 담긴 내용을 인간은 이해할 수 있지만 컴퓨터는 그렇지 않습니다.
이를 위해서는 그림 속 특징을 스스로 추출해야 하며, 여기서는 딥러닝 알고리즘을 사용하겠습니다. 사진의 특징을 추출하기 위한 CNN(Convolutional Neural Network)을 기반으로 프로젝트에는 ResNet 101 분류 네트워크가 사용되었습니다.
이 컨볼루셔널 신경망을 훈련함으로써 네트워크는 게임 화면의 특징을 추출할 수 있는 에너지를 갖게 되며, 이를 통해 알고리즘은 다음 작업 명령을 생성할 수 있습니다.
그림과 같이:
지능형-uavpath-계획
Gitee: https://gitee.com/wwy2018/intelligent-uavpath-planning-simulation-system-S
intelligent-uavpath-planning - 이 프로젝트는 지능형 UAV 경로 계획 시뮬레이션 시스템입니다.
이 프로젝트는 정밀한 작동 제어, 강력한 플랫폼 통합, 전방향 모델 구축 및 애플리케이션 자동화의 장점을 갖춘 지능형 UAV 경로 계획 시뮬레이션 시스템입니다.
C구역 A와 B 사이의 무인기 전쟁을 배경으로 한다. 시스템의 핵심 기능은 시뮬레이션 플랫폼을 통해 무인기 경로를 계획하고 출력을 검증하는 것이다. 데이터를 실제 UAV로 가져올 수 있어 규정된 경로에 따라 전장의 모든 위치에 정확하게 도착할 수 있으며 다인 및 다중 장비 편성 합동 작전을 지원합니다.
그림과 같이:
EssayKiller_V2
Github(4.9k):https://github.com/EssayKillerBrain/EssayKiller_V2
EssayKiller_V2 - 한 사람이 3개월만에 에세이를 쓸 수 있는 인공지능 개발
일반적으로 대학 입시 구성은 일괄 학습과 모델 학습을 통해 만족스러운 점수를 얻을 수 있다. 실제로 학생들을 글쓰기 기계로 훈련시키고, 학생들을 위해 대량의 샘플 에세이를 입력하고, 글쓰기 모드를 제공한 후 오랫동안 공부하는 것입니다. 잠깐, 이게 인공지능의 훈련 과정과 똑같지 않나요?
그렇다면 인공지능 시스템에 동일한 데이터가 주어지면 에세이 작성 방법을 가르칠 수 있을까요?
대답은 물론입니다. B역의 UP 마스터 - 튜링의 고양이는 행동이 행동보다 나쁘다는 개념을 고수하여 한 사람이 3개월, 500시간, 10,000줄의 코드, 200000000개의 데이터, 1700000000개의 매개변수를 사용하여 가능한 인공지능을 개발했습니다. 에세이 쓰기 - 에세이 킬러.
그림과 같이:
style2paints
Github: https://github.com/lllyasviel/style2paints
style2paints - 환경을 설치할 필요가 없으며 구성을 수행하고 다운로드한 후 두 번 클릭하면 선 그리기에 색상을 지정할 수 있습니다.
이 AI 프로젝트는 2차원의 복음으로, AI를 기반으로 진행되지만 환경을 설치하거나 구성할 필요가 없습니다. 직접 다운로드한 후 더블클릭하면 선화에 색칠이 가능합니다.
그림과 같이:
