印象派藝術更看重感覺而非現實主義, 但是你有沒有好奇過莫内在創作時(比如上圖中的那幅《落潮時的瓦朗日維爾》)眼前真切看到的景色是怎麼的嗎?感謝加州大學伯克利分銷的研究人員,
顯然, 照片風格轉換一夜之間成了人人追捧的新奇事物, Adobe最近也展示了一款實驗性應用, 可以讓你把照片風格(90年代的風景)應用到另一張畫質較差的照片上。
但是伯克利分校的研究員則反其道而行之。 打個比方說, 你可以把一張普通照片轉換成帶有莫内、梵古、塞尚或者浮世繪風格的畫作。 但是該團隊還可以利用他們的技術把冬天的約瑟密提國家公園變成夏天的景致、蘋果變成橘子、甚至普通馬匹變成斑馬。 這項技術還可以讓他們在照片上玩起小花招, 比如在花和其他物體後面創造一個淺景深。
該研究最有趣的部分是, 團隊所採用的“未配對資料”。 換句話說, 他們並沒有莫内作畫那個時間點剛好拍攝到的場景照片。 “相反, 我們瞭解莫内作品中場景的一系列景觀照片。 我們可以推斷出這兩組照片之間的風格差異, 然後從一組轉換到另一組的時候我們就可以想像出其樣貌。 ”
不過說起來容易做起來難。 首先, 他們需要以機器能夠解讀的方式找出兩組照片之間的相似風格關係。 然後, 他們需要採用大量照片(來自Flickr和其他地方)來訓練所謂的“對立網路”, 並通過人和機器共同檢查結果品質來優化照片。
理想的話, 該系統將達到“迴圈一致”。 就像你把英語翻譯成法語, 然後再從法語翻譯回英語後得到的句子跟原句分毫不差那樣,
當然, 萬事無完美。 由於演算法必須為作品和照片處理大量不同的風格, 他們在轉換的時候經常失敗。 與其他系統一樣, 演算法存在的主要問題是集合轉換——把蘋果轉換成橘子是一件事, 但是試圖把貓變成狗而非變成詭異的貓又是另一回事。
最後, 該團隊還補充說, 他們的方法在使用配對訓練資料方面也不是特別理想——比如, 精確匹配作品的照片。 儘管如此, 這一人工智慧在把一種圖像風格轉變成另一種風格方面仍然表現異常出色,
本文來自獵雲網, 如若轉載, 請注明出處:http://www.lieyunwang.com/archives/298089