环亚娱乐城

首页 | 环亚娱乐城 | www.182hwx.com | 环亚娱乐娱乐 | www.hwx88.com
您的位置: > 环亚娱乐娱乐 >
最新文章
点击排行
文章内容

环亚娱乐城中国学霸们开拓了一款AI,要让插画师丢了饭碗

时间:2018-01-18 22:44作者:admin 点击:
中国学霸们开拓了一款AI,要让插画师丢了饭碗

本文来自动画学术趴,授权转载自知乎专栏AI Insight,文章经过编辑调解。

事先声名,这篇文章的标题绝不是在耸人听闻。事情的起因是明天早上在友人圈看到同学在转发一篇论文,名字叫《Create Anime Characters with A.I. !》,打开一看,论文主要是经过各式属性生成二次元人物的头像,使用的办法是cGAN,效果无比impressive。


论文作者来自复旦大学、CMU、石溪大学、同济大学


下图左侧为经过属性金发、双马尾、害羞、微笑、缎带、赤瞳生成的人物,右侧是经过属性银发、长发、害臊、浅笑、张嘴、蓝瞳生成的人物,都表现得异样自然,完全看不出是机器自动生成的:

模型生成的随机样本:

固定cGAN噪声部分生成的样本,此时人物存在分歧的属性,但是面部细节和面朝的角度根天职歧:

愈加令人愉快的是,作者搭建了一个网站,任何人都能随时应用训练好的模型生成图像,停止实验!(点击阅读原文即可到达试验网站)


这里的按钮的含义都相比简略,总的来说我们要先选定一些属性(完全随机也是可以的),然后点击左侧的generate按钮生成:


完全随机生成的结果,看起来十分好:

弃取发色(Hair Color)为金色(Blonde),发型(Hair Style)为双马尾(Twin Tail),点击生成,后果异常很赞!如下图:

技术细节


我之前也写过两篇文章,一篇先容了GAN(全称为天生式对抗搜集,人工智能中的一种生成式模子)的道理(GAN学习指南:从原理入门到制作生成Demo),一篇介绍了cGAN(全称为条件生成式收集)的情理(经过文字描述来生成二次元妹子!聊聊conditional GAN与txt2img模型),这两篇文章都是以生成二次元人物来举例,然而生成的结果都比拟差,只能看出大概的雏形。来日的这篇论文年夜的技能框架仍是cGAN,只是对原来的生成进程做了两方面的改进,一是应用更加干净、品质更高的数据库,二是GAN构造的改良,下面就辨别停滞说明。


改进一:更高质量的图像库


之前使用的训练数据集大多数是使用爬虫从Danbooru或Safebooru这类网站爬上去的,这类网站的图片大多由用户自行上传,因而质量、画风参差不齐,同时还有不合的布景。这篇文章的数据来源于getchu,这本身是一个游戏网站,但是在网站上有大量的人物破绘,图像品德高,基本出于专业画师之手,同时布景统一:


除了图像外,为了练习cGAN,还须要图像的属性,如头发颜色、眼睛的色彩等。作者利用Illustration2Vec,一个预训练的CNN模型来产生这些标签。


改进二:GAN结构


此外,作者采取了和原始的GAN不同的结构跟训练方法。总的训练框架来自于DRAGAN经过实验发现这种训练措施收敛更快并且能发生更牢固的成果。


断定器也要做一点修正,因为人物的属性相当于是一种多分类成绩,所以要把最后的Softmax改成多个Sigmoid:

详细的训练和参数设定可以参照原论文。


一些成绩


诚然大多数的图像样本都比较好,但作者也提出了该模型的一些弊病。由于训练数据中各个属性的分布不均匀,经过某些罕见的属性组合生成出的图片会产生形式崩坏。比喻属性帽子(hat)、眼镜(glasses),不仅比较复杂,而且在训练样本中比较少见,如果把这些属性组合到一起,生成的图片的质量就比较差。


如下图,左侧为aqua hair, long hair, drill hair, open mouth, glasses, aqua eyes对应的样本,右侧为orange hair, ponytail, hat, glasses, red eyes,腾博会官方网站, orange eyes对应的样本,比较使用常见属性生成的图片,这些图片的质量略差:

总结


这项义务确实令人印象深刻,生成的图片质量非常之高,集团认为如果加以完善,完全可以在某种水平上替代失踪插画师的一部分任务。最后附上文中提到的一些本钱(可长按复制从浏览器打开):


网站:MakeGirls.moe(已有训练好的模型,翻开就可以考试测验生成)


论文:https://makegirlsmoe.github.io/assets/pdf/technical_report.pdf


Github:make.girls.moe(今朝只有网站的js源码,看介绍训练模型的代码会在近期放出)



好,以上就是知乎作者何之源跟巨匠分享的专门跟日式插画师抢饭碗的AI。从以上的效果看来,AI生成的头像基础让人满足。按照这种效果继续完美,恐怕不少插画师的饭碗不保了。

我们接着延伸着多聊点儿东西。

事实上,富强的人工智能已经在慢慢浸透到艺术范围的各个角落。

起首让我想起的是工程师Christopher Hesse运用智能深造图形工具pix2pix研发的系列识图货色--Image-to-Image,腾博会官方网站,将线条转换为切实图片。


其中一个子利用edges2cats是一个能自动将线条转化为萌猫的工具。它能根据你发挥的假想力,画出的各类轮廓,来完成一张猫咪图片。


今年刷屏的还有谷歌发布的一款利用 AI 技术的画画工具 AutoDraw,吓得广告设计师都以为本人要失业了。

AutoDraw能将机械学习与你信手涂鸦创建的图形配对,帮助你绘制完整而比较漂亮的图形。


而在AlphaGo与柯洁的围棋对局以AI三局全胜落幕不久后,名列前茅的同人、插画社群依据地--P站在“pixiv Sketch”上线过一项黑科技新功能--自动上色。


你只需要供应线稿完成品。待作品准备停止,就可能点击右上方的“自动着色”。

当你决定后,界面会看到两种不同形式的自动上色效果,你可以经过预览来拔取自己的偏好形式,腾博会官方网站,AI就会主动结束运算并输出上完色的图稿。

当然,假如对输出的结果不满意,你还能够连续再用pixiv sketch的内置工具手动修改指定局部区域的颜色,经过标记而输出更符合你期望的结果。


简单几多步,一副上色效果还不赖的画作就诞生了!难怪消息一出,就有网友评论说:“从此高产似母猪。”

早在P站此次宣布自动上色前,已经有不少东西具有“自动描线”等功效。而今年1月份,日本就已经测试用AI来供给自动上色服务的“Paints Chainer”。而P站的自动上色效劳也是基于前者的技巧框架,升级改造后的成果。它们的背后是也是人工智能观察60万张上色插图,进修人类上色方式,经由持续串运算得出的结果。

Paints Chainer上色案例

就今朝的闭会而言,AI上色的成果尽管品位上还相对简单、有很多细节也并不尽如人意,但在一定程度上已经有较高完成度了。

所以……又回到那个成就:难道AI会把我们调换吗?

从另一方面想,人工智能在深度学习过程中也是借鉴了人类的画作,涂画风格也是基于现有的情势,因此还是留给画师有较大年夜的自破创造空间,而这目前还是机械无法替换的。


人工智能的发展无疑是为“作品量”的成绩提供处置打算,但是“质”的实现跟提高还是需要人们的自我努力。不知道面对AI的来势汹汹,你又有什么感想呢?你有不什么好用的AI工具安利呢?欢迎留言和咱们交流哦!~

本文来自 [动画学术趴] ,动画学术趴是国内动画范畴最具影响力的深度媒体和爱好者社区。

上一篇:海陆空全军司令的初次表态,藏了些有意思的小机密   下一篇:没有了


Power by DedeCms