|
本文整理出该报道中提及的论文和项目，以供参考。此外，Evolving AI Lab近年来还有很多各方面的有趣成果，也在此推荐。 从DeepVis到PPGN 2015年，深度神经网络（DNN）已经能够比较准确的识别照片类图像中的各种对象。然而，当人们尝试用DNN去生成指定对象类型的图像（比如，一辆校车）时，却发现完全不是那么一回事。 Anh Nguyen、Jason Yosinski和Jeff Clune在CPVR'15发布了一篇论文Deep neural networks are easily fooled，介绍他们把此类生成的图像丢给其他的DNN（包括当时最前沿的LeNet）进行辨认，结果发现大部分DNN都开始“犯傻”： 接下来，该研究组进一步深入探索：DNN在学习过程中究竟发生了什么？其识别一粒棒球、一辆校车或一个手写数字的依据是什么，为何会把在人眼看来完全无意义的图像识别为有意义的对象？同年，他们在ICML上又发布了一篇报告Understanding Neural Networks Through Deep Visualization（论文下载），并在Github上分享了论文中用到的工具DeepVis Toolbox。通过该工具，人可以直观的看到当DNN接受到一张图片时，具体活跃的是哪些神经节点，以及不同的神经节点是因为哪些特征而被触发。 图：当前选中的神经节点对“车轮”产生了反应 由此，研究组得以发现，当时大部分的DNN在识别图像中对象的过程中主要依据的特征是一些局部的独特痕迹（如豹子身上的斑点、校车的黑黄色），而忽略了整体特征（如海星的五角星形状、豹子长了四条腿）。 知道了DNN所忽略的特征，从而有针对性的进行算法的改进，就有可能大幅提升DNN生成指定图像的能力。2016年，该研究组先后发布了两篇论文介绍Deep Generator Networks（DGN）以及其改良版Plug & Play Generative Networks（PPGN），这些改良后的神经网络——创作网络 Generator Network——足以生成以假乱真的图片： 图：PPGN生成的火山“照片” 图：向PPGN输入词组“a_church_steeple_that_has_a_clock_on_it”所获得的图像 现在，深度神经网络的“创作能力”已经能够胜任很多复杂的工作，比如各种“玩脸”、改图，甚至还能够给视频自动配音。 用2D照片创建人脸3D模型 Shunsuke Saito等人于2016年12月发布在ArXiv的论文中介绍了一种方法，通过深度神经网络提取2D照片中的人脸特征，创建出完整的面部3D模型。点击这里查看该论文在YouTube上的介绍视频。 图：根据低分辨率照片生成的面部3D模型 Smile Vector Tom White（@dribnet）在2016年5月上线了一个Twitter机器人Smile Vector，可自动为图片中的人脸添加微笑（以及其他表情）。相关论文Sampling Generative Networks在2016年9月发布，并在2016年12月的NIPS大会上进行了演示。 Face2Face Justus Thies等人发布在CVPR 2016上的报告Face2Face: Real-time Face Capture and Reenactment of RGB Videos中介绍了一种方法，将摄像头前（就是普通的消费级摄像头）的演员的面部表情“实时移植”到一段视频中的人物脸上。 图：“表情移植” 川普变光头 Samson，一个将辩论视频中的川普实时替换成光头的小程序。 图：变成光头的川普 永驻银屏的Joey Virtual Immortality，来自英国利兹大学的研究成果，发布在2016年10月的VARVAI Workshop。该研究组让神经网络学习了236集《老友记》，实现了一个“可以在任何视频中乱入、做各种Joey风格动作、讲各种Joey风格台词的Joey”（论文下载）。 图：AI生成的乱入Joey 照片补光（Image Relighting） 微软研究院在SIGGRAPH 2015上发布的报告Image Based Relighting Using Neural Networks介绍了一种给照片补光的深度学习方法。该成果被Two Minute Papers做成了视频短片发布在YouTube。 图：用深度神经网络给照片补光 把照片变成梵高的画 画风移植（Style Transfer）是一项已经在图像处理领域发展了多年的技术。The Verge的这篇报道中提及了一个用神经网络进行艺术作品画风移植的实现，源自Leon A. Gatys等人在2015年8月发布的一篇论文A Neural Algorithm of Artistic Style，其效果如下： 该研究组已经将论文中使用的代码分享至Github，普通用户可以在Deepart网站或者Prisma App上体验该算法的效果。此外，Facebook App也在2016年底上线了类似的实现（相关论文在此查看）。 看图创作配音 MIT AI实验室在2015年12月发布的论文Visually Indicated Sounds（下载），介绍一种根据图像生成匹配声音的算法。该算法使用一个循环神经网络 recurrent neural network，根据视频中的图像内容（如草坪、水、塑料袋或布料被其他物体触碰）预测声音的特征，并基于声音库生成对应的波形。 总结 如上所述，AI的“创作能力”正在快速提升。此类创作能力将适用于图像、音视频、文字等各种媒介，并且快速的从实验室走到普通消费者的手中。在这一过程中，相信无论对于开发者还是对于内容创作者，都蕴藏着大量的机遇。 |
|
|
