【技术实现步骤摘要】
【国外来华专利技术】使用一个或更多个神经网络生成图像
[0001]相关申请的交叉引用
[0002]这是2020年7月8日提交的美国专利申请第16/923,227号的PCT申请。该申请的公开内容出于所有目的通过引用全文并入本文。
[0003]至少一个实施例涉及用于执行和促进人工智能的处理资源。例如,至少一个实施例涉及用于根据本文描述的各种新颖技术来训练神经网络的处理器或计算系统。
技术介绍
[0004]越来越多的内容以数字方式生成,从电影和游戏内容到发布到社交媒体的内容或个人照片。在创建图像时,用户可能希望该图像看起来好像是在特定时代或时间点捕获的。在某些情况下,用户可能能够应用过滤器以使图像看起来像是来自不同的时间点,但这些过滤器不会导致该图像中表示的对象属于适合时期的类型。
附图说明
[0005]将参考附图描述根据本公开的各个实施例,其中:
[0006]图1A、图1B、图1C和图1D示出了根据至少一个实施例的图像;
[0007]图2示出了根据至少一个实施例的内容生成系统;
[0008]图3示出了根据至少一个实施例的图像生成器的组件;
[0009]图4示出了根据至少一个实施例的用于生成具有一个或更多个对象的时间适当外观的图像的过程;
[0010]图5示出了根据至少一个实施例的用于生成时间推移图像的过程;
[0011]图6A示出了根据至少一个实施例的推理和/或训练逻辑;
[0012]图6B示出了根据至少一个实施例的推理和/或训练逻辑;
[001 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种处理器,包括:一个或更多个电路,用于使用一个或更多个神经网络至少部分地基于第一对象的一个或更多个图像来生成第二对象的一个或更多个时间推移图像。2.根据权利要求1所述的处理器,其中所述一个或更多个神经网络包括卷积神经网络(CNN)以从所述第一对象的所述一个或更多个图像中提取所述第一对象的特征,其中所述特征被转换为遵循模式的一个或更多个特征向量。3.根据权利要求2所述的处理器,其中所述一个或更多个神经网络包括一个或更多个变分自动编码器(VAE)以将所述第一对象的所述特征编码到潜在空间以在生成所述一个或更多个时间推移图像中作为约束。4.根据权利要求3所述的处理器,其中所述一个或更多个神经网络包括门控网络以从一组VAE中选择所述一个或更多个VAE,每个VAE针对不同类别的对象进行训练,所述门控网络使用分层的专家混合方法来选择所述一个或更多个VAE。5.根据权利要求3所述的处理器,其中所述一个或更多个神经网络包括生成网络以生成所述第二对象的所述一个或更多个时间推移图像,所述第二类对象属于与所述第一对象相同的对象类别,所述第二对象的所述一个或更多个时间推移图像具有适合于与所述一个或更多个时间推移图像相对应的一个或更多个时间点或时间段的外观。6.根据权利要求1所述的处理器,其中与所述一个或更多个时间推移图像相对应的一个或更多个时间或时间段是使用一个或更多个时间向量确定的,每个时间向量包括时间偏移的幅度和时间上前进或倒退的方向。7.一种系统,包括:一个或更多个处理器,用于使用一个或更多个神经网络至少部分地基于第一对象的一个或更多个图像来生成第二对象的一个或更多个时间推移图像。8.根据权利要求7所述的系统,其中所述一个或更多个神经网络包括卷积神经网络(CNN)以从所述第一对象的所述一个或更多个图像中提取所述第一对象的特征,其中所述特征被转换为遵循模式的一个或更多个特征向量。9.根据权利要求8所述的系统,其中所述一个或更多个神经网络包括一个或更多个变分自动编码器(VAE)以将所述第一对象的所述特征编码到潜在空间以在生成所述一个或更多个时间推移图像中作为约束。10.根据权利要求9所述的系统,其中所述一个或更多个神经网络包括门控网络以从一组VAE中选择一个或更多个VAE,每个VAE针对不同类别的对象进行训练,所述门控网络使用分层的专家混合方法来选择所述一个或更多个VAE。11.根据权利要求9所述的系统,其中所述一个或更多个神经网络包括生成网络以生成所述第二对象的所述一个或更多个时间推移图像,所述第二类对象属于与所述第一对象相同的对象类别,所述第二对象的所述一个或更多个时间推移图像具有适合于与所述一个或更多个时间推移图像相对应的一个或更多个时间点或时间段的外观。12.根据权利要求7所述的系统,其中与所述一个或更多个时间推移图像相对应的一个或更多个时间或时间段是使用一个或更多个时间向量确定的,每个时间向量包括时间偏移的幅度和时间上前进或倒退的方向。13.一种方法,包括:
使用一个或更多个神经网络至少部分地基于第一对象的一个或更多个图像来生成第二对象的一个或更多个时间推移图像。14.根据权利要求13所述的方法,其中所述一个或更多个神经网络包括卷积神经网络(CNN)以从所述第一对象的所述一个或更多个图像中提取所述第一对象的特征,其中所述特征被转换为遵循模式的一个或更多个特征向量。15.根据权利要求14所述的方法,其中所述一个或更多个神经网络包括一个或更多个变分自动编码器(VAE)以将所述第一对象的所述特征编码到潜在空间以在生成所述一个或更多个时间推移图像中作为约束。16.根据权利要求15所述的方法,其中所述一个或更多个神经网络包括门控网络以从一组VAE中选择一个或更多个VAE,每个VAE针对不同类别的对象进行训练,所述门控网络使用分层的专家混合方法来选择所述一个或更多个VAE。...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。