Redazione RHC : 31 Dicembre 2021 08:57
Hai mai pensato a quanto sarebbe bello restaurare una immagine vecchia in bianco e nero, di bassa qualità, rendendola nitida e colorata come fosse una immagine dei giorni d’oggi?
Oggi è possibile grazie agli algoritmi di Intelligenza Artificiale e più specificatamente attraverso una GFP-GAN che andremo ad analizzare in questo articolo, oltre che utilizzare il software messo a disposizione dai ricercatori che la hanno creata.
PARTE LA PROMO ESTATE -40%
RedHotCyber Academy lancia una promozione esclusiva e a tempo limitato per chi vuole investire nella propria crescita professionale nel mondo della tecnologia e della cybersecurity!
Approfitta del 40% di sconto sull’acquisto congiunto di 3 corsi da te scelti dalla nostra Academy. Ad esempio potresti fare un percorso formativo includendo Cyber Threat intelligence + NIS2 + Criptovalute con lo sconto del 40%. Tutto questo lo potrai fruire, dove e quando vuoi e con la massima flessibilità, grazie a lezioni di massimo 30 minuti ciascuna.
Contattaci tramite WhatsApp al 375 593 1011 per richiedere ulteriori informazioni oppure scriviti alla casella di posta [email protected]
Supporta RHC attraverso:
Ti piacciono gli articoli di Red Hot Cyber? Non aspettare oltre, iscriviti alla newsletter settimanale per non perdere nessun articolo.
Il restauro del volto di solito si basa su precedenti immagini, per poter definire la geometria facciale di riferimento, per poi ripristinare i dettagli fisici in maniera realistica e fedele.
Tuttavia, gli input di qualità molto bassa non possono offrire una priorità geometrica accurata mentre i riferimenti di alta qualità sono inaccessibili, limitando quindi l’applicabilità in scenari reali.
In questo articolo parleremo della GFP-GAN che sfrutta a “priori” i ricchi e diversificati input in una generative adversarial network (GAN) per poter restaurare una immagine datata .
Questo Generative Facial Prior (GFP) è incorporato nel processo di ripristino del viso tramite nuovi strati di trasformazione delle caratteristiche spaziali suddivisi in particolari canali, che consentono al nostro metodo di raggiungere un buon equilibrio tra realtà e fedeltà.
Grazie al potente design generativo facciale, il nostro GFP-GAN potrebbe ripristinare congiuntamente i dettagli del viso e migliorare i colori con un solo passaggio, mentre i metodi di inversione GAN richiedono una costosa ottimizzazione specifica dell’immagine all’inferenza.
Esperimenti approfonditi mostrano che il metodo raggiunge prestazioni superiori rispetto all’arte precedente su set di dati sia sintetici che reali.
GFPGAN mira a sviluppare un algoritmo pratico per il ripristino del viso.
Sfrutta precedenti ricchi e diversificati incapsulati in un GAN facciale pre-addestrata (ad es . StyleGAN2) ed è rilasciato sotto licenza Apache versione 2.0.
Per poter installare il software che consenta di svolgere l’algoritmo di GFP-GAN, disponibile su GitHub, occorre disporre all’interno del proprio computer dei seguenti prerequisiti:
A questo punto si inizia con l’installazione
git clone https://github.com/TencentARC/GFPGAN.gitcd GFPGAN
Installiamo le dipendenze
# Install basicsr – https://github.com/xinntao/BasicSR# We use BasicSR for both training and inferencepip install basicsr# Install facexlib – https://github.com/xinntao/facexlib# We use face detection and face restoration helper in the facexlib packagepip install facexlibpip install -r requirements.txtpython setup.py develop# If you want to enhance the background (non-face) regions with Real-ESRGAN,# you also need to install the realesrgan packagepip install realesrgan
Scarichiamo i modelli pre-addestrati a questo indirizzo:
wget https://github.com/TencentARC/GFPGAN/releases/download/v0.2.0/GFPGANCleanv1-NoCE-C2.pth -P experiments/pretrained_models
Per utilizzare il sistema occorre inserire la seguente riga di comando:
python inference_gfpgan.py –upscale 2 –test_path inputs/whole_imgs –save_root results
A questo punto è possibile utilizzare il software oltre che analizzarlo in quanto il codice risulta essere disponibile e magari migliorarlo per le proprie esigenze.
Fonte
https://www.redhotcyber.com/wp-content/uploads/attachments/2101.04061.pdf
https://github.com/TencentARC/GFPGAN
https://huggingface.co/spaces/akhaliq/GFPGAN
Secondo un nuovo rapporto del gruppo per i diritti umani Amnesty International, pubblicato dopo quasi due anni di ricerche sulla situazione, la Cambogia resta un punto caldo sulla mappa mondiale della...
Hunters International, il gruppo responsabile di uno dei più grandi attacchi ransomware degli ultimi anni, ha annunciato ufficialmente la cessazione delle sue attività. In una dichiarazione ...
I ricercatori di Okta hanno notato che aggressori sconosciuti stanno utilizzando lo strumento di intelligenza artificiale generativa v0 di Vercel per creare pagine false che imitano qu...
Google è al centro di un’imponente causa in California che si è conclusa con la decisione di pagare oltre 314 milioni di dollari agli utenti di smartphone Android nello stato. Una giu...
La RHC Conference 2025, organizzata da Red Hot Cyber, ha rappresentato un punto di riferimento per la comunità italiana della cybersecurity, offrendo un ricco programma di talk, workshop e compet...
Copyright @ REDHOTCYBER Srl
PIVA 17898011006