StyleGANで子猫の成長を3秒間見守ってみた結果

#はじめに

AIの学習で時間がかかるものはGPUを使いたいが、自分のPCにはそんなハイスペックなものは持っていない><
そこで、Google Colaboratoryを使うと、GPUを使うことができます！

機械学習の中でも最近のはやりのGANを使ってみたいと思います。
また、その中でもきれいな画像を生成できる、StyleGanを使ってみます。

#1. Google ColaboratoryのGPU設定
Google Colaboratoryを開いて、GPUを使えるように設定します。

**[編集]→[ノートブックの設定]**で設定できます。

ハードウェアアクセラレータを**[GPU]**に設定してください。

これで、GPUを使用することができます。

#2. StyleGANのインストール

Google Colaboratoryのコードセルに下記を入力して実行すると、StyleGANをインストールできます。

.py

git clone https://github.com/NVlabs/stylegan.git

#3. Generatorのダウンロード

学習済のGeneratorをダウンロードします。
URLを変更して、画像の種類を変えることができます。下記では、猫画像を使っています。必要に応じてURLを変更してください。

.py

import os
import pickle
import numpy as np
import PIL.Image
import dnnlib
import dnnlib.tflib as tflib
import config

# Initialize TensorFlow.
tflib.init_tf()

# Load pre-trained network.
#url = 'https://drive.google.com/uc?id=1MEGjdvVpUsu1jB4zrXZN7Y4kBBOzizDQ' # karras2019stylegan-ffhq-1024x1024.pkl 人物
#url = 'https://drive.google.com/uc?id=1MOSKeGF0FJcivpBI7s63V9YHloUTORiF' # stylegan-bedrooms-256x256.pkl bedroom
#url = 'https://drive.google.com/uc?id=1MJ6iCfNtMIRicihwRorsM3b7mmtmK9c3' # karras2019stylegan-cars-512x384.pkl 車 
url = 'https://drive.google.com/uc?id=1MQywl0FNt6lHu8E_EUqnRbviagS7fbiJ' # karras2019stylegan-cats-256x256.pkl 猫
with dnnlib.util.open_url(url, cache_dir=config.cache_dir) as f:
    _G, _D, Gs = pickle.load(f)
    # _G = Instantaneous snapshot of the generator. Mainly useful for resuming a previous training run.
    # _D = Instantaneous snapshot of the discriminator. Mainly useful for resuming a previous training run.
    # Gs = Long-term average of the generator. Yields higher-quality results than the instantaneous snapshot.

#4. 画像の作成
2つのベクトルと、その間を線形補完したベクトルを使用して、画像を作成します。

下記では、latents0とlatents1ベクトルを使用して、画像を20枚作成しています。

.py

# Pick latent vector.
rnd = np.random.RandomState(40)
latents0 = rnd.randn(1, Gs.input_shape[1])
latents1 = rnd.randn(1, Gs.input_shape[1])

num_split = 19  # 2つのベクトルを19分割
for i in range(20):
    latents = latents1 + (latents0-latents1) * i / num_split

    # Generate image.
    fmt = dict(func=tflib.convert_images_to_uint8, nchw_to_nhwc=True)
    images = Gs.run(latents, None, truncation_psi=0.7, randomize_noise=True, output_transform=fmt)
 
    # Save image.
    os.makedirs(config.result_dir, exist_ok=True)
    png_filename = os.path.join(config.result_dir, 'photo'+'{0:04d}'.format(i)+'.png')
    PIL.Image.fromarray(images[0], 'RGB').save(png_filename)

#5. Gifの作成

resultsフォルダにある画像を使って、gif動画を作成します。

.py

import glob
 
files = sorted(glob.glob('results/*.png'))
images = list(map(lambda file: Image.open(file), files))
images[0].save('stylegan.gif', save_all=True, 
               append_images=images[1:], 
               duration=150, loop=0)

#6. ダウンロード
作成したgifをダウンロードします。

.py

from google.colab import files
files.download("stylegan.gif")

子猫の成長していく過程のように見えて面白いですね♪
最後のほうは、少し変になってしまってますが、画像を選べば自然に使えそうです！

#おわりに
学習済のデータを使って、猫画像を生成してみました。
自然に見える画像もあれば、少し違和感のある画像もありましたが、これだけ綺麗に作成できるのは画期的ですね！

NVIDIAあたりが研究してるのでしょうが、VR技術などと合わせて使うと、おもしろそうだなと思いました。