funGangs.ai

fungangs.ai

NOTE!!

Le serveur est en baisse en raison d'une augmentation de la taille du poids du modèle, mais l'image peut être trouvée sur DockerHub

Contexte du modèle

1. Le modèle est formé sur StyleGAN et Pytorch est utilisé pour le développement.
2. Le cahier Jupyter est présent dans le lien Kaggle suivant.
3. L'ensemble de données formé est Pixelated Treasures: 10K CryptoPunks qui peuvent être trouvés via ce lien.

Caractéristiques

Génération d'images:

La génération d'images, comme dit, utilise un modèle Stylegan sur mesure.

Génération d'histoires: (Todo)

Actuellement, la génération d'histoires est soutenue par cette interface API FACE HUGGING. Pour plus d'addition et de gamification, un modèle LLM formé sur mesure sera ajouté.

Prise en charge de la base de données:

L'avenir de ce projet vise à gamifier et à rendre son utilisateur spécifique à l'utilisateur. Par conséquent, une prise en charge de la base de données a été ajoutée et est en cours pour stocker des données et des images spécifiques à l'utilisateur.

Faire

Le projet vise en outre à s'étendre aux fonctionnalités ci-dessous:

• Génération d'images de champignons
• Génération d'histoires basée sur le contexte d'image
• Génération d'images Gan Pix2pix interactive interactive utilisateur
• API Wiki pour le personnage des gangs

Docs API

Actuellement, les API soutiennent la génération d'images et l'expansion future est l'intégration des LLM pour les générations d'histoire.

Points de terminaison

Génération d'image: /generated Le point de terminaison nécessite que Number_Of_Images soit entré. La réponse serait une seule image qui est un collage d'un nombre donné d'images comme indiqué dans l'image.

Exemple:

1. Génération d'image des champignons:

Javascrip

 import axios from "axios"

try {
  const number_of_images = 16
  const url = "http://127.0.0.1.8080/generated/{number_of_images}"
  const body = { "user_id" : "valid uuid4" , "number_of_images" : 8 }
  const generated_image = axios . get ( url , body )
} catch ( err ) {
  console . log ( err )
}

Python

 import requests

try :
    number_of_images = 16
    url = f"http://127.0.0.1.8080/generated"
    body = { "user_id" : "valid uuid4" , "number_of_images" : 8 }
    response = requests . get ( url , json = body )
    generated_image = response . content
except Exception as err :
    print ( err )

Note

Le modèle, qui est basé sur Stylegan , nécessite une mémoire élevée en termes de CPU et de CUDA. Par conséquent, veuillez restrain from generating a number of images more than the range of (8, 48) . La génération d'histoires est en version bêta car elle est basée sur l'interface de face étreinte existante. Bientôt, un support LLM personnalisé sera ajouté. "