新AI时代序幕已拉开 不信请看这十四大例

时间过得比我们预想的要快，并且摩尔定律依然在发挥着作用。但是，仍然有很多事情要做。在接下来的文章中，我希望能够列出2019年（部分发生在2018年）机器学习（ML）和深度学习(DL)领域的重大事件。这些大部分都是基于神经网络的模型，给我留下了深刻的印象。

图1：BigGAN生成的时钟图像

伊恩·古德费罗（Ian Goodfellow）曾发布推文，完美地展示了深度学习领域取得的成就：在短短4年半时间里，生成性对抗网络（GAN）技术在面部生成领域取得的重大进展。即使这与特定的主题有关，GAN取得的进步也很好地表明了已经发生的事情，以及即将发生的事情。一幅画胜过千言万语。我有一种感觉，2019年的进步比几年前迅猛得多。 

1 BigGan

BigGan扩展了生成性对抗性网络（GAN），允许用户在巨大的可视数据库上进行训练，并生成新的可视图像。该系统的核心是两个神经网络，即生成器和鉴别器。生成器创建新的视觉效果，并试图说服鉴别器它是真实的图像。而鉴别器将生成的图像与其“经验”对照，并将其作为“未通过”发送回生成器。这种反复的相互作用会始终持续下去，直到双方达成某种“共识”。尝试使用这款BigGAN功能，用户可以使用分类条件采样并创建例如山谷之类的图像：

图2：BigGAN生成的山谷图像

如你所见，BigGan仍然属于弱人工智能（Weak AI）。该网络不知道时钟是什么，它们只是知道，这个东西会是什么样子：“圆形”，“有字符和箭头”。我认为AI解释世界的尝试与柏拉图的形式与思维理论有明显的相似之处：在柏拉图看来，思维或形式是物质事物的元物理本质。物质的东西不是原作，而只是思维或形式的仿制品。

2 BigGAN蜕变

我们可以更进一步，BigGAN不仅仅能生成带标签的图像，我们还可以使用它和插值函数来合并和变形东西。在BigGAN的情况下，生成的图像A转换为生成图像B是可能的，尽管它们在语义上是不同的。使用这些设置，你可以把约克夏犬变成航天飞机，这种方法开启了前所未有的可能性，甚至超越了人类的想象。你甚至可以制作出渐变性更强的画面，并将它们组合成动画素材。

图3：狗狗变成了航天飞机

3风格转换

StyleGAN允许另一种类型的图像修改——风格转换，即图像A的风格被转移到图像B中。目前有各种各样基于深度学习的免费和付费应用程序，可以把你的图像转换成世界艺术大师的艺术作品。我用各种艺术家的风格转换了我的用户图片，得到了令人信服的结果。

有人可能很熟悉风格转换功能，因为Towards Data Science提供了许多关于这个主题的很棒的文章。艺术家基尼·科根（Gene Cogan）将风格转移运用到迪斯尼的《爱丽丝梦游仙境》(茶会场景)中，并将17个著名的艺术作品的风格转移到动画中。最近，StyleGAN2进入人们的视线，其图像质量得到了提高。此外，新的图像修改方式也成为可能。例如，StyleGAN投影，与任何可能的图像中的目标图像对齐。

4风格转换的创意运用：绘画的深度协调性

有些艺术家和开发者使用风格转换功能来进行创造性的图像处理。这个想法非常简单：1）以目标图像B为例；2）将其风格转换为要构建到B中元素；3）结合与享受。该方法允许的艺术用途，例如用于数字图像拼贴中的风格转移。基尼·科根（Gene Cogan）在自拍照中使用风格转换功能，将自己植入到世界艺术史中。

5Comixify，将视频转换为故事板

华沙科技大学的研究人员都对人工智能和漫画艺术着迷，为此他们把自己的热情结合到一个惊人的项目中。1）该模型利用智能视频摘要对视频进行分析；2）视频片段中的场景由深度学习定义的、最具美学影响的帧分隔；3）对图像的特定风格化进行了风格转换；4）选定的帧被放入故事板或漫画布局中。

我是塔尔科夫斯基（Tarkovsky）电影的超级粉丝，所以我很想看看这部超级版《潜行者》会发生什么。结果令人震惊，特别是如果你知道并且喜欢这部电影，你会发现画面的选择是多么令人惊讶。它实际上描绘了《潜行者》的核心思想，却没有破坏电影。

6 CycleGAN，无输入输出对的图像到图像转换

当BigGAN在预先训练的基础上生成新图像，StyleGAN在两个图像之间传输样式时，CycleGAN使用单个图像将其样式或特征转换成不同的东西。实际上，这是一个不配对的图像到图像转换，使用的是周期一致的对抗网络。1） 图像由GAN进行分析(包括模式和目标检测)；2）应用预先训练好的特征修改；3）与“1”中的图像相同，“2”实现了新的视觉效果。

CycleGAN在不引用其他图像的情况下更改图像的样式和视觉特征。它不仅可以把一个预先训练好的艺术家风格转化成一张照片，也可以将一幅画修改成逼真的照片，使用预先训练的分割特征知识。你甚至可以在“马与斑马”之间进行转换。对我来说最重要的是，深度学习使图像的可修改性达到了一个新的高度，适合艺术用途。但危险同样存在，比如滥用情况。

7StyleGAN训练绘画

_C0D32_在reddit上训练StyleGAN使用kaggle提供的24k艺术数据集。通过他修改的代码，产生了各种风格的新艺术作品。也就是说，StyleGAN用预先训练过的艺术风格尝试创作原创艺术品。有趣的是：即使你用这个模型得到了无数独特的艺术品，但只要有一些艺术史的知识，你就可以猜到，哪些风格、艺术运动甚至艺术家在新的图像中闪耀着光芒。

8 pic2pix：图像到图像转换

Pix2pix是由菲利普·伊索拉（Phillip Isola）等人开发的，并在2017年迅速走红。由条件对抗网络完成的图像转换，允许将人造涂鸦呈现为照片级的图像。

（编辑：52刷机网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!