说起“深度学习作画”,首先想起的一定是 Google 的“大邪神”画家──不知道是否研究人员给它吃了什么奇怪的学习素材,Google 的深度学习机器人在作画过程中以使用大量扭曲的眼睛元素为特征,让普通人难以接受。
▲ Google 人工智能的大作。
不过你可不要误以为这就是人工智能在绘画领域的最高水平了,事实上大部分的人工智能在绘画领域还是走一条正常的艺术道路。比如加州大学柏克莱分校近日开源的一个新的图像处理工具 CycleGAN 的艺术造诣就比 Google 要高不知道多少。话不多说先看图:
你一定会说这个不是和去年流行的手机 App 一样吗?错!上图中其实左图是原图,右图是 CycleGAN 处理过的图片。
与广为流行的 Prisma 相反,CycleGAN 可以将一副绘画作品还原成照片。不过这个反滤镜目前还没有完成,它只能将几种画家风格的图片还原成照片,这其中包括莫内、塞尚、梵高等知名画家,除上面这张之外研究人员还公布了它的一系列战果:
当然,把画作转化成照片是一个较小的需求,CycleGAN 利用这项技术达成更实用的功能:将夏天转换成冬天,或将普通的马转化成斑马。
还有橘子和苹果的相互转化:
与其他人工智能绘画不同,CycleGAN 的研究团队试图建立一个可双向转化不遗失信息的双向算法。在以往的人工智能绘画,尤其是将照片转化成绘画的 App 里,人工智能其实忽略了很多无法与算法对应的细节,使细节丰富的照片被转化成细节没那么丰富并带有风格化特征的图片。
▲ 类似智能手机厂商透过双镜头的先拍摄再对焦 CycleGAN 也可以轻松实现。
但在 CycleGAN 里细节被要求完全保留,尽管算法找不到可以对应的元素。研究人员希望能够将一张图片输入 CycleGAN 后进行多次反复转化(照片→绘画→照片→绘画→照片),最终可以获得与原始照片相同或相近的图片。
▲ 除了每次转化后遗失一些像素,CycleGAN 在循环转换中的表现不错。
为了实现这一点,研究团队必须以机器可以理解的方式去描述每种风格之间的关系,并给机器“吃下”大量来自 Flicker 的照片进行训练,再人工纠正机器在训练过程中产生的错误。CycleGAN 目前在针对几何、颜色和风格上的转化都不错。之所以没有出现 Google 那样的大邪神画作,可能是因为研究人员并没有给它喂太多动物及人物图片素材。在试验过程中,一个试图将猫转换成狗的例子得出的结果就不是很好。
Adobe 在去年技术大会上也公布了类似的 Photoshop 功能,不过相比之下 CycleGAN 是开源并且免费的。如果你有需要,你可以在 Github 上找到 CycleGAN 的程式码。
(本文由 PingWest 授权转载;首图来源:CycleGAN)