Echtzeit Bild-zu-Bild-Transformation mit CycleGAN

Das Ziel dieser Bachelorarbeit ist es, einen Demonstrator für eine Echtzeit-Bild-zu-Bild- Transformation basierend auf Neuronalen Netzwerken (CycleGAN) zu programmieren. Dazu wurden zwei Transformatoren trainiert, beide verändern Portraitfotos. Für das Training des Neuronalen Netzwerkes wurden zu verschiedenen Bildklassen (verschiedene Haarfarben, mit/ohne Sonnenbrille) je etwa 200 Bilder von Google Image verwendet. Der ersten Transformator verändert die Haarfarbe, von blond, braun oder schwarz zu rothaarig. Diese Veränderung betrifft die Farbe und funktioniert gut. Der zweite Bildtransformator sollte eine Sonnenbrille aufsetzen, also eine geometrische Veränderung bewirken. Diese ist deutlich schwieriger, darum konnten keine Ergebnisse erzielt werden, die für eine Demonstration geeignet wären. Schliesslich wurde der trainierte Generator in einen Prototypen integriert: mit einer Webcam können live-Aufnahmen gemacht werden, welche in Echtzeit transformiert werden.