京东6.18大促主会场领京享红包更优惠

 找回密码
 立即注册

QQ登录

只需一步,快速开始

查看: 711|回复: 0

StyleGAN玩出新高度!生成999幅抽象画,人人都是毕加索(附代码)

[复制链接]

13

主题

0

回帖

10

积分

新手上路

积分
10
发表于 2019-4-8 15:45:33 | 显示全部楼层 |阅读模式 来自 中国

& A+ I- M0 {% Y$ b( m6 a& c 新智元原创 : y8 B! O# G* z4 B4 H, c: m3 R
【新智元导读】英伟达推出的StyleGAN在前不久大火了一把。今日,Reddit一位网友便利用StyleGAN耗时5天创作出了999幅抽象派画作!不仅如此,他还将创作过程无私的分享给了大家,引来众网友的一致好评。0 P- J" [0 X4 Q! g% d1 |) T

! S3 v- k! i+ h+ n0 E人人都能当抽象派画作大师了!
: M& n0 x* x1 q2 |, d0 m2 u# H去年,佳士得拍卖会上拍卖了一副由AI创作的肖像画——《爱德蒙·贝拉米的肖像》,该画最终售价43.25万美元(301万元人民币),远远超过了7000到1万美元的预计售价,同时也引发了人们对人工智能作画的热烈探讨。
7 H. U/ b! u: U+ Z5 U
4 R/ ?3 [* x$ h+ Q  X3 s: q爱德蒙·贝拉米的肖像$ m5 }& o1 _! z( K4 `; }! y, v2 u0 k
今天,Reddit上一位网友利用StyleGAN训练生成了999幅抽象派画作!9 w& E) b: i0 {) w$ u% b
% @) c& i+ e8 p9 ^& |, `6 ~
生成的其中一幅画作
2 J: Y, Z1 B5 N1 @/ y这项工作使得其他网友们羡慕不已:
( h! X7 N' m2 t. y0 h  K; g% x0 B3 _7 }6 L( E( l, [1 f/ n5 F8 \
那么,这999幅AI生成的画作中,是否又会出现天价作品呢?值得拭目以待。7 R' u. m) J3 o& \5 b1 z$ R
利用StyleGAN训练生成抽象派画作 这位名为“_COD32_”的网友在Reddit上毫无保留的分享了这项工作的创作过程。. d, \- \7 I# `
7 N9 s" c8 {7 l4 s  |: J7 f
Reddit地址:
; @0 l; S, s; c1 Z3 f" j  C在模型方面,采用的依旧是去年英伟达爆款StyleGAN,这是一种新的生成器架构,基于风格迁移,将面部细节分离出来,由模型进行单独调整,从而大幅度超越传统GAN等模型。" J8 i2 `8 w, M

! v+ @5 ]7 u1 L2 `* ]0 i9 w2 S/ U英伟达StyleGAN GitHub官方地址:
3 I9 {- g: F+ H' k$ q) l5 P在数据方面,采用的是Kaggle上名为”Painter by Numbers“项目中的数据集,其中大部分的图像数据来源于WikiArt.org网站。% Q/ a4 `, n# ^& Q5 k% t- f  ?$ y

) x6 [. O# f4 Z) f3 N3 o; `Kaggle地址:
& v' d& W5 u9 j" m4 k其中,只采用了≥1024X2014的图像。在GTX 1080 TI上的训练时间大约是5天。7 j7 L( B, C/ ]8 E( X! @9 k" ~
不过作者表示,该模型试图生成人脸的部分并不是很完美,但其它部分还算可以
) |; J, B2 u) v8 i% E1 \0 P# j. B例如下面两个随机向量之间的快速隐空间差值(latent space interpolation):
) `# F( S; u4 _2 w- ?4 ?
3 [& t. Y: v  L, z) b同时,作者也给出了训练好的模型和Jupyter Notebook地址:5 L; T) s9 A, L( r! k
https://mega.nz/#!PsIQAYyD!g1No7FDZngIsYjavOvwxRG2Myyw1n5_U9CCpsWzQpIo
' }: ~! v8 H% ]3 o" [. d英伟达“造假”黑科技:StyleGAN简介 9 L& E/ `2 t% N( s* k
StyleGAN是英伟达提出的一种用于生成对抗网络的替代生成器体系结构,该结构借鉴了样式迁移学习的成果。新结构能够实现自动学习,以及无监督的高级属性分离(比如在使用人脸图像训练时区分姿势和身份属性)和生成的图像(如雀斑,头发)的随机变化,并能在图像合成和控制上实现直观化和规模化。
$ ~) A+ F6 Y/ m( L/ ^新模型在传统的分布质量指标方面实现了提升,并且更好地解决了潜在的变量因素。为了对插值质量和分解进行量化,本模型提出了两种适用于任何生成架构的自动化新方法。以及一个新的、高度多样化、高质量的人脸数据集。
% @) E$ x- G- {8 L英伟达研究人员在论文中写道,他们提出的新架构可以完成自动学习,无监督地分离高级属性(例如在人脸上训练时的姿势和身份)以及生成图像中的随机变化,并且可以对合成进行更直观且特定于比例的控制。
* A! ^& t% \  C0 L' O1 b换句话说,这种新的GAN在生成和混合图像,特别是人脸图像时,可以更好地感知图像之间有意义的变化,并且在各种尺度上针对这些变化做出引导。
6 Q8 b- L( v2 K7 Y! H- u例如,研究人员使用的旧系统可能产生两个“不同”的面部,这两个面部其实大致相同,只是一个人的耳朵被抹去了,两人的衬衫是不同的颜色。而这些并不是真正的面部特异性特征,不过系统并不知道这些是无需重点关注的变化,而当成了两个人来处理。) ]  b. u' h4 m; o6 I

1 m* q0 x' j' F) p在上面的动图中,其实面部已经完全变了,但“源”和“样式”的明显标记显然都得到了保留,例如最底下一排图片的蓝色衬衫。为什么会这样?请注意,所有这些都是完全可变的,这里说的变量不仅仅是A + B = C,而且A和B的所有方面都可以存在/不存在,具体取决于设置的调整方式。( J! r8 C/ C9 v5 g+ D7 ~  L5 R
下面这些由计算机生成的图像都不是真人。但如果我告诉你这些图像是真人的照片,你可能也不会怀疑" g6 I7 ?) v3 M0 @& w5 T5 G
  z, x4 s- h" a- A7 z
效果如此出众的StyleGAN一经开源就成了“网红”,由该模型生成的假脸几乎完全可以乱真,即使是放大了仔细看,大多数情况下依然难以分清,其难度堪比“大家来找茬”。/ L$ e6 t$ P6 C( l* `, h# I
为此,有人甚至专门写了一篇指南,专门指点那些有兴趣“鉴脸”的人,该文总结出了StyleGAN生成假脸的几处常见的破绽。不过,这些破绽大部分是在图片背景、配饰、衣物等附加元素上找到的,面部本身的破绽虽然也有,但显著性和易见性都要下降一个档次。/ C7 k, B5 U) z, H* l. k
* P$ d0 z2 u% h8 k; O  B) J$ e
上图的StyleGAN生成图像在面部上几乎无破绽,但左右耳的首饰不对称% E4 _* |/ k  G' X# F9 h: E) A3 i
被玩坏的StyleGAN:从“假人脸”到“假房子”,生成世间万物 StyleGAN生成假脸图像的逼真程度令人惊艳,但这么厉害的模型只能用来生成假人脸吗?显然不是。很快,越来越多的吃瓜群众发现了StyleGAN的更多潜力。比如生成假的出租房。
# P4 y' D( u2 d. N9 o, K前不久,就有好事者利用StyleGAN生成了一个假的Airbnb租房网站,上面从房源图片、地址、再到租客的评论和打分没有一个是真实的,全是StyleGAN的杰作。# b0 w8 x9 |. `$ l
9 k& Q7 b! ~8 H2 k" Q: b
假房生成网站 thisairbnbdoesnotexist.com,每次刷新都会出现一个虚假的房源,网页上的照片、文字描述、发布人头像均由计算机自动生成。由于使用的模型非常简单,文字描述多有不合逻辑之处,但乍看上去还是能以假乱真。来源:假房生成网站 thisairbnbdoesnotexist.com # |- t+ N8 L' K% o

3 [1 d( h' u' ~: i8 p4 @3 H3 \AirBNB网站截图,避免广告嫌疑做了虚化处理
: f3 y& F- _. r( T4 _根据Christopher Schmidt在Twitter的介绍,生成每个网页用一块GPU只需0.5秒,相关代码开源,你可以在这里找到:
0 m% ]$ q! p2 C  }6 m; ~$ N这个“假房源”网站是怎么做的? 网站上的图像当然由著名的图像生成模型StyleGAN生成,文本则来自在一个AirBNB列表(文末链接[1])上训练的语言模型,主要基于Tensorflow的“Predict Shakespeare with Cloud TPU”(https://t.co/sJoUbwZ2UL)。
4 s4 B: y7 E8 T; z
" \3 Z& L2 |# n; `7 s" a* L这个文本生成模型似乎是个两层的前馈LSTM(文末链接[2]),主要是用它来独立训练生成房屋列表中的标题、描述、房主姓名、地理位置等,然后组合生成综合列表。
0 w2 c% _# ]3 @) |) u  ~# W每个模型的输出都是预先生成的,每5秒创建一个新的列表(网页)。唯一的修改是根据文本稍微调整序列大小。 $ }) @1 H) q% {6 p
下面是Christopher Schmidt在Twitter上对这个“假房子”网站的简要介绍,包括灵感来源、大致结构、构建页面使用的框架和训练方式等。
/ A2 \9 X1 F+ J/ v; k本页面在开发时主要使用以下几种模型:在构建图片和卧室照片时使用StyleGAN,一些文本网络的训练使用了tf.keras来生成地点名称、房主姓名、标题和描述。此外还使用了Tensorflow的实例代码)
: F4 [0 w/ i9 |. c4 H9 |1 T2 u所有的数据训练过程都在谷歌的Colab上完成,该平台上可以免费使用GPU和TPU来训练和生成数据。8 T$ `2 H' C, Q( A& ?$ Z) r) w3 Y/ y0 [

; A! m+ x7 Y7 W8 ]+ Y/ t# X& F每个模型都可以做出独立的预测,所以会经常出现各部分信息不相配的情况,比如描述信息中说某套房子有一间卧室,但列表信息中显示有四件卧室,或者外观和名字排列不齐等。1 i/ g  J9 v" U. F& s+ c" l
但总的来看,这个过程是比较理想的,我在这个学习过程中也获得了不少乐趣,进一步掌握了一些模型的使用技巧。这里要感谢Colab平台,更感谢StyleGAN社群的出色研究成果。
8 D$ I" h# i8 b& Z9 i1 T2 F; E* k# E7 P8 {8 D
有了这个思路,应用方向什么的就不用愁了,基于StyleGAN模型的假简历、假食物、假猫咪等等如雨后春笋一样不断涌现。甚至有人把这些“造假成果”汇总到了一个网站,叫“这些东西都不存在”。
5 y  [/ J' W, M9 d, K这样看来,StyleGAN已经火到了几乎要被“玩坏”的程度。未来再出现什么样的假货,可能已经不取决于模型本身,而是程序员们的脑洞了。# @9 }: I" T4 Z- d$ }7 G5 F
介绍了这么多,大家是不是也想玩一玩StyleGAN呢?打开下方链接,快去尝鲜吧!
$ {0 Y6 [1 D; s& o) q0 y# v; _) j参考链接:/ _9 g+ u/ C0 `+ n
【2019新智元 AI 技术峰会精彩回顾
% t3 S1 a' r* s' `" S( Q2019年3月27日,新智元再汇AI之力,在北京泰富酒店举办AI开年盛典——2019新智元AI技术峰会。峰会以“智能云•芯世界“为主题,聚焦智能云和AI芯片的发展,重塑未来AI世界格局。) m6 e( `4 c. m( w; J+ J
同时,新智元在峰会现场权威发布若干AI白皮书,聚焦产业链的创新活跃,评述AI独角兽影响力,助力中国在世界级的AI竞争中实现超越。6 g+ G5 l6 z& L( B+ `1 E
7 a' M  e7 V! e8 |' k% T8 R# M

6 a" h" I# A. |" S来源:http://www.yidianzixun.com/article/0LgHwMRr* ~/ N* _. b  c
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!

本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有账号?立即注册

×

帖子地址: 

梦想之都-俊月星空 优酷自频道欢迎您 http://i.youku.com/zhaojun917
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|手机版|小黑屋|梦想之都-俊月星空 ( 粤ICP备18056059号 )|网站地图

GMT+8, 2026-9-15 11:39 , Processed in 0.041186 second(s), 25 queries .

Powered by Mxzdjyxk! X3.5

© 2001-2026 Discuz! Team.

快速回复 返回顶部 返回列表