5
Bringing-Old-Photos-Back-to-Life
http://github.com/microsoft/Bringing-Old-Photos-Back-to-Life
接下来是微软最新的照片修复项目，可以自动修复受损照片。
具体来说，它通过在 PyTorch 中的深度学习实现，利用划痕检测、人脸增强等技术，修复遭受复杂退化的老照片。www.newsxxw.com
根据他们的 研究论文：“我们训练了两种变自编码器（variational autoencoders，VAEs），它们分别将旧照片和干净照片转换到两个潜在空间。而这两个潜在空间之间的转换是通过合成的配对数据来学习的。由于紧凑的潜在空间中的域隙是封闭的，所以这种转换能很好地泛化到真实照片中。此外，为了解决一张旧照片中的各种混杂退化问题，我们设计了一个全局分支和一个局部分支，该分支包括一个局部非局部分块，针对结构化缺陷，如划痕和尘点，以及一个局部分支，针对非结构化缺陷，如噪声和模糊。”
从下面的演示中可以看出，该模型的性能明显优于传统的技术方法。
6
Avatarify
http://github.com/alievk/avatarify
Deepfake 项目已经横扫机器学习和赢咖4社区。这个项目展示了一个典型的示例，它允许你在实时视频会议应用中创建照片般逼真的头像。www.newsxxw.com
主要是利用 First Order Model（一阶模型）来提取视频中的动作，然后利用光流把它们应用到目标的头像上。通过这种方式，你可以在虚拟的摄像机上生成虚拟的人物，甚至可以将经典画作做成动画。从伊隆·马斯克到蒙娜丽莎，你可以模仿任何人来玩耍！
7
Pulse
http://github.com/adamian98/pulse
这是一个赢咖4模型，它显示了如何从一个低分辨率的人脸图像中生成一个逼真的人脸图像。
PULSE，即 Self-Supervised Photo Speampling via Latent Space Exploration of Generative Models（通过生成模型的潜在空间探索进行的自监督照片上行采样）的缩写，它提供了一个超分辨率问题的替代公式，这个问题基于创建真实的超分辨率图像，同时也正确地缩小比例。www.newsxxw.com
8
pixel2style2pixel
http://github.com/eladrich/pixel2style2pixel
基于研究论文《风格编码：用于图像到图像转换的 StyleGAN 编码器》（Encoding in Style: a StyleGAN Encoder for Imag-to-Image Translation），该项目使用 Pixel2Pixel 框架，其目的是使用相同的架构，以解决广泛的图像到图像转换任务，从而避免任何可能的局部性偏差。www.newsxxw.com
在新一代编码网络的基础上，这个网络可以被训练成将人脸图像与正面姿势对齐，条件图像合成，并创建超分辨率图像。
从使用漫画家的作品生成近乎真实的人物，到将草图或人脸分割转换为照片般逼真的图像，你可以用它做的事情太多了。
