|
大家好，我是Echa. 這幾天有幾位老鐵們私信給我留言，說最近找了幾部小電影都打碼了，有沒有黑科技把碼去掉，無碼看著多舒服。小編也好奇，是啥電影要用到黑科技來解決，其實只要懂點技術，沒有解決不了的，只要用心去做，給點時間，fei die 都能造出來。不吹牛b了，回歸正傳。 今天小編給老鐵們分享11個Github上有趣的黑科技開源項目，個個都非常驚艷。小編有時候也會用用，方便有趣，還可以幫忙解決不少的事情，所以決定一一分享給大家，希望大家喜歡。 創(chuàng)作不易，喜歡的老鐵們加個關注，點個贊，后面會持續(xù)更新干貨，速速收藏，謝謝！ 全文大綱
PULSEGithub（7k）：https://github.com/adamian98/pulse PULSE - 該開源項目可以通過給圖片增加像素點來實現(xiàn)去馬賽克或高清化 馬賽克：人類文明進步的絆腳石，宅男的死敵，老司機的噩夢。從馬賽克誕生起，人類和馬賽克的斗爭就從未停止。 對于程序員來說，如果女生問我們最多的問題是：如何裝系統(tǒng)？那么男生問的最多的問題肯定是：咋去除馬賽克。 如果有人問你能不能去除馬賽克？你可以給他肯定的答復：不能，馬賽克是不可逆的。 但是，但是！你可以腦補啊，那玩意看多了，被打碼的地方啥樣，自己心里沒數(shù)么？但對于一個正常人來說，我這里說的是正常人啊，即使你閱片無數(shù)，給你一個嚴重打碼的美女照片，你也很難腦補出這個美女長啥樣，原因有兩個： 1. 你沒有看過足夠多的美女圖片 2. 你沒有建立 美女馬賽克 到 美女原圖 的聯(lián)系 有的小伙伴就說了，我不吃不喝，就只看美女圖片和對應的馬賽克圖。當我看了足夠多，給我一個打碼的美女圖片，我腦海里會不會立馬涌現(xiàn)這個美女長啥樣 ？ 妙啊，乍一聽還真有點東西。難道這就是 “心中無碼，便是高清” ？ 如圖：      DepixGithub（23.1k）：https://github.com/beurtschipper/Depix Depix - 給打了馬賽克的文字去碼 如圖：   TecoGANGithub（5.1k）：https://github.com/thunil/TecoGAN TecoGAN 給視頻去馬賽克或者進行超分辨率 如圖：   Real-Time-Voice-CloningGithub（38.3k）：https://github.com/CorentinJ/Real-Time-Voice-Cloning Real-Time-Voice-Cloning - 只需要你 5 秒鐘的語音，就能生成你說出來的任何話，細思極恐。 下面是比較詳細的使用教程，遇到問題可以查看幫助： https://www.bilibili.com/video/av79481223?zw https://blog.csdn.net/weixin_41010198/article/details/113186232 我用這個模型試了一下，因為這個模型是老外開源的，所以訓練的數(shù)據(jù)是英語的語音，我試了一下說中文，簡直就是不會說中文的老外講中文一個味道，現(xiàn)在我懷疑世界的真實性了 如圖：  SkinDeepGithub（38.3k）：https://github.com/vijishmadhavan/SkinDeep SkinDeep - 黑科技一鍵去除圖片、視頻中的紋身 沒想到 GitHub 上真有這個開源項目，一位來自印度的算法研究員 Vijish Madhavan 開源了一個機器學習工具 SkinDeep ，它可以自動去除明星身上的紋身。 我使用這一工具去處理了一些重度紋身的人物照片，效果還不錯。下圖是阿倫 · 艾弗森（美國籃球運動員）的紋身去除前后對比圖。 如圖：  StyleCLIPGithub（3.2k）：https://github.com/orpatashnik/StyleCLIP StyleCLIP - AI自動 P圖，見沒見過掃把頭的馬斯克？ 剛剛這個項目展現(xiàn)了 AI 的強大，效果堪比 PS，接下來這個自動 P 圖的項目才是真的牛逼。 你有沒有想過這樣一個場景，當你對著一張原圖說：幫我 P 一個帥氣的劉海，啪！一個具有帥氣劉海的圖片便自動生成了。 如圖： polyglot-pngGithub（3.2k）：https://github.com/DavidBuchanan314/tweetable-polyglot-png polyglot-png - 明明下載的是一張圖片，只需修改后綴名，圖片就變成了一首歌，一串代碼 國外黑客David Buchanan利用Twitter的漏洞，可以用圖片偽裝的方式傳輸一份“加密”文件，前提是不超過3MB。 他成功把這種藏匿文件的GitHub源代碼壓縮到圖片中。 現(xiàn)在你只要去他的Twitter，把這張圖片下載下來，并將文件后綴名從.png修改為.zip，即可解壓為Github代碼。 用圖片隱藏壓縮包的原理并不復雜，png圖片文件的格式如下。在Zlib之后，有一片IDAT塊的附加數(shù)據(jù)。藏匿數(shù)據(jù)就放在這里。 帶壓縮包的圖片地址： https://i./kNhGrN3.png David Buchanan的Twitter： https://twitter.com/David3141593/status/1371974874856587268 如圖： ResnetGPTGithub（2.2k）：https://github.com/FengQuanLi/ResnetGPT ResnetGPT - 教你訓練一個模型，讓人工智能玩王者榮耀. 這個開源項目的實現(xiàn)原理是怎樣的 ？下圖是這個模型的核心代碼，不算難，我一步步的拆解，我盡量用通俗的語言描述這些技術。 讓電腦幫我們玩游戲可以分為如下幾步，當然這種方式是比較容易實現(xiàn)的方式，并不會用到「強化學習」的東西，而屠殺圍棋圈的 AlphaGo 算法是基于強化學習。 1. 獲取當前游戲界面。既英雄現(xiàn)在是什么狀態(tài)、周圍有沒有敵方英雄、小兵等等。 2. 根據(jù)當前游戲界面狀態(tài)生成操作指令，是應該前進、攻擊還是釋放技能。 3. 根據(jù)生成的操作指令去控制手機，英雄做出相應的動作。 對于訓練一個平民版的人工智能模型，大體流程就是這樣。其中獲取當前游戲界面、根據(jù)指令去控制手機都有成熟的技術。 比如這個項目中使用 scrcpy 獲取安卓手機的投屏，這款安卓投屏神器可以將游戲畫面投屏到電腦桌面上。 有了游戲畫面，就得到了這時戰(zhàn)局的狀況。游戲畫面是圖片的形式，至于這個圖片包含什么內容，人能看明白，但是電腦不懂。 這就需要我們自己去提取圖片中的特征，這里便會用到深度學習算法的東西。基于卷積神經(jīng)網(wǎng)絡（CNN）來提取圖片的特征，項目中使用的是 ResNet 101 分類網(wǎng)絡。 通過訓練這個卷積神經(jīng)網(wǎng)絡，該網(wǎng)絡就會具備提取游戲畫面特征的能量，有了這些，算法才能進行下一步操作指令的生成。 如圖： intelligent-uavpath-planningGitee：https:///wwy2018/intelligent-uavpath-planning-simulation-system-S
這個項目是一個智能無人機路徑規(guī)劃仿真系統(tǒng)，具有操作控制精細、平臺整合性強、全方向模型建立與應用自動化等優(yōu)點。 它以 A、B 兩國在 C 區(qū)開展無人機戰(zhàn)爭為背景，該系統(tǒng)的核心功能是通過仿真平臺規(guī)劃無人機航線，并進行驗證輸出。數(shù)據(jù)可導入真實無人機，使其按照規(guī)定路線精準抵達戰(zhàn)場任一位置，支持多人多設備編隊聯(lián)合行動。 如圖： EssayKiller_V2Github(4.9k)：https://github.com/EssayKillerBrain/EssayKiller_V2 EssayKiller_V2 - 一個人利用三個月，開發(fā)了一個會寫作文的人工智能 一般來說，高考作文可以通過批量化、模式化的訓練達到一個令人滿意的分數(shù)。實際上就是把學生當做一個寫作機器進行訓練，為學生輸入大量范文，提供寫作模式，然后進行長時間的學習。等等，這不是和人工智能的訓練過程相同嗎？ 那么，如果給一個人工智能系統(tǒng)同樣的數(shù)據(jù)，是否可以教會它寫作文呢？ 答案是，當然可以。B 站 UP 主 - 圖靈的貓，秉承了心動不如行動的理念，一個人利用三個月，500 個小時，10000 行代碼，200000000 條數(shù)據(jù)，1700000000 個參數(shù)，開發(fā)了一個會寫作文的人工智能 - EssayKiller。 如圖： style2paintsGithub：https://github.com/lllyasviel/style2paints style2paints - 不需要安裝任何環(huán)境、做任何配置，下載然后雙擊，就可以給線描圖畫上色。 這個 AI 項目是二次元的福音，雖然他是基于 AI 驅動，但這個項目不需要你安裝任何環(huán)境、做任何配置。直接下載，然后雙擊，就可以給一個線描圖畫上色了。 如圖： |
|
|
