these ai generated pokemon are strangely compelling 119766
Vissa av Pokémon-designerna är obekvämt nära verkligheten (åtminstone på säkert avstånd)
Jag minns tydligt att barn i skolan släpade runt affischer med de ursprungliga 150 Pokémonerna (en del var till och med laminerade!), och när serien närmar sig 900-mon-strecket känns det som rätt tillfälle att se vilken typ av Pokemon-design som kan bubbla upp ur en vältränad AI.
Som visas i detta experiment från Max Woolf , som är dataforskare på BuzzFeed, är det möjligt att skapa roliga, konstiga och kusligt exakt neural-net fickmonster.
Jag tvingade en bot att titta på varje Pokémon och sa åt den att skapa sin egen. Här är resultaten.
(det här är inget skämt, det var faktiskt så jag gjorde dessa) pic.twitter.com/MfJUWJHZoB
— Max Woolf (@minimaxir) 15 december 2021
Till en dedikerad Pokémon fan, många av varelserna kommer omedelbart att registreras som att de inte är varumärken, men jag slår vad om att jag kan bli lurad med några av dem i en snabbfrågesport.
Efter att ha fått ett mycket välförtjänt intresse för konsten på Twitter och Reddit, postade Woolf två Mer partier av AI-genererade Pokemon, och de är värda att inspektera på nära håll:
Wow, ni gillar verkligen dessa AI-genererade Pokémon!
Som ett tack för allt ditt stöd, vad sägs om EN ANNAN BONUS BATCH?! pic.twitter.com/kM3Kc8bBe6
— Max Woolf (@minimaxir) 15 december 2021
Woolf skrev mer om projektet på Reddit och sa att den AI som används här är finjusterad ruDALL-E på de officiella Pokémon-bilderna (dvs det är det inte VQGAN + CLIP eller Wombo Dream). Sättet som AI fungerar är att det genererar bilderna från toppen till höger i 8×8 bitar. Den samplar nästa bit något slumpmässigt så att bilden är konsekvent, med finjusteringsprocessen som lär AI att bättre känna igen bitar av en Pokémon.
bästa programvaran för att övervaka CPU-temperaturen
Även om det skulle vara fantastiskt att ha en interaktiv demo (inte olikt den lättanvända Pokémon Fusion verktyg), som Woolf uttrycker det, är det inte särskilt bärbart/lätt att använda.
Ämnet för generativa kontradiktoriska nätverk kom upp i en efterföljande konversation på Reddit, och han svarade det det har gjorts försök att träna en GAN på Pokemon men det är väldigt, väldigt svårt att få sammanhängande utdata. (GAN kräver en stor mängd normaliserade högkvalitativa indatabilder, vilket Pokémon inte är.) Kanske kommer detta att inspirera andra experiment!
Maskiner som lär sig om Pokémon ligger mycket ovanför mitt huvud, men fascinerande, ändå. Bilden överst i den här artikeln visar några av mina favoritsmå monster, och ja, #2 vänder på oss. #4 ser ut som en slumpmässig NFT, och #8 är värdefull nog att vara verklig.
Jag hoppas att fanarten går utom kontroll så fort som möjligt.