these ai generated pokemon are strangely compelling 119766
Nogle af Pokemon-designerne er ubehageligt tæt på virkeligheden (i det mindste fra sikker afstand)
Jeg husker tydeligt, at børn i skolen slæbte rundt på plakater af de originale 150 Pokémon (nogle var endda lamineret!), og da serien nærmer sig 900-måneders mærket, føles det som det rigtige tidspunkt at se, hvilken slags Pokémon-design der kan boble op. ud af en veltrænet AI.
Som vist i dette eksperiment fra Max Woolf , som er dataforsker hos BuzzFeed, er det muligt at skabe nogle sjove, underlige og uhyggeligt præcis neural-net lommemonstre.
Jeg tvang en bot til at se på hver Pokémon og fortalte den at generere sin egen. Her er resultaterne.
(det er ikke en joke, det er faktisk sådan jeg lavede dem) pic.twitter.com/MfJUWJHZoB
— Max Woolf (@minimaxir) 15. december 2021
Til en dedikeret Pokemon fan, vil mange af væsnerne straks registrere sig som værende uden for mærket, men jeg vil vædde på, at jeg kunne blive snydt med et par af dem i en hurtig-ild-quiz.
Efter at have fået en masse velfortjent interesse for kunsten på Twitter og Reddit, skrev Woolf to mere partier af AI-genererede Pokemon, og de er værd at inspicere tæt på:
Wow, I kan alle virkelig, virkelig godt lide disse AI-genererede Pokémon!
Som tak for al din støtte, hvad med EN ANDEN BONUS BATCH?! pic.twitter.com/kM3Kc8bBe6
— Max Woolf (@minimaxir) 15. december 2021
Woolf skrev mere om projektet på Reddit og sagde, at den AI, der bruges her, er finjusteret ruDALL-E på de officielle Pokemon-billeder (dvs. det er ikke VQGAN + CLIP eller Wombo Dream). Den måde, AI'en fungerer på, er, at den genererer billederne fra toppen til højre i 8×8 bidder. Den sampler den næste del noget tilfældigt, så billedet er konsistent, hvor finjusteringsprocessen lærer AI bedre at genkende bidder af en Pokemon.
Selvom det ville være fantastisk at have en interaktiv demo (ikke ulig den nemme at bruge Pokemon Fusion værktøj), som Woolf udtrykker det, er det ikke særlig bærbart/let at bruge.
Emnet for generative kontradiktoriske netværk kom op i en efterfølgende samtale på Reddit, og det svarede han der har været forsøg på at træne en GAN på Pokemon, men det er meget, meget svært at få et sammenhængende output. (GAN'er kræver en stor mængde normaliserede inputbilleder af høj kvalitet, hvilket Pokemon ikke er.) Måske vil dette inspirere andre eksperimenter!
Maskiner, der lærer om Pokemon, er meget over mit hoved, men fascinerende, alligevel. Billedet øverst i denne artikel viser nogle af mine yndlings små monstre, og ja, nr. 2 slår os af. #4 ligner en tilfældig NFT, og #8 er værdifuld nok til at være ægte.
Jeg håber, at fankunsten kommer ud af kontrol så hurtigt som muligt.
bedste computerrenser til Windows 10