AI가 그린 운동하는 여자 그림(후방주의)

AI가 운동하는 여자 그림을 그려서 먼저 데이터 학습셋이 필요합니다. 이 데이터셋은 다양한 위치와 동작을 하는 여성의 이미지를 구성합니다. 예를 들어, 요가를 하거나 러닝을 하는 여자의 이미지가 이에 해당합니다.

이 데이터셋을 기반으로 딥러닝 모델을 예측한 모델은 여자가 운동을 하는 이미지를 생성할 수 있습니다. 그때, 모델의 입력값이 더러워서 벡터나 조건 이미지(예: 운동 종류) 등이 요구될 수 있습니다.

딥러닝 모델은 GAN(Generative Adversarial Networks)이라는 모델이 있습니다. GAN은 생성자(Generator)와 탐지자(Discriminator)라는 두 개의 신경망을 사용하여 이미지를 생성합니다. 생성자는 데이터 학습셋에서 이미지를 생성하고, 탐지자는 생성자가 생성한 이미지와 실제로 이미지를 구분하는 역할을 합니다. 생성자는 탐지자가 생성한 이미지를 실제로 이미지로 숨기지 못하게 하여 더욱 이미지를 생성하도록 유도합니다. 이 과정을 반복하면 생성자는 높은 확률로 실제로 이미지와 구분하기 어려운 이미지를 생성할 수 있습니다.

따라서, 운동하는 여자 그림을 AI가 그려서 GAN 모델 학습을 열심히 해야 합니다. 데이터셋으로 운동하는 여자의 다양한 행동을 포함한 이미지들이 필요합니다. 이후에 생성된 이미지를 생성할 수 있으며, 생성된 이미지는 원하는 종류의 운동에 따라 달라질 수 있습니다.

I need a data learning set first because I draw a picture of an AI working out woman. This dataset constructs images of women who perform various positions and movements. For example, this is the image of a woman doing yoga or running.
Models that predict deep learning models based on this dataset can generate images of women exercising. At that time, the input value of the model may be dirty, requiring vectors or conditional images (e.g., motion types).
The deep learning model has a model called Generative Adversarial Networks (GAN). GAN generates images using two neural networks: the generator and the detector. The constructor creates an image from the data learning set, and the detector distinguishes the image that the constructor creates from the actual image. The constructor does not actually hide the image created by the detector as an image, leading to further image creation. By repeating this process, the constructor can create an image that is actually difficult to distinguish from the image with a high probability.

 

 

 

 

 

 

 

AI가 그린 수녀코스프레 여자 그림(후방주의) a painting of a nun by AI

 

대유쾌 마운틴 AI가 그린 데이트하는 여친 그림(후방주의)

 

AI가 그린 메이드 여자 그림 모음(후방주의)