您的位置:首页>知识>

Adobe和CornellAI将一张照片的风格转移到另一张照片

导读毫无疑问,人工智能、机器学习和神经网络都经历了巨大的进步,但它们的应用一直在具有硬边的事物上。这些包括搜索结果、翻译、棋盘游戏等。

毫无疑问,人工智能、机器学习和神经网络都经历了巨大的进步,但它们的应用一直在具有“硬边”的事物上。这些包括搜索结果、翻译、棋盘游戏等。然而,最近在计算机视觉、成像和图形领域也取得了进展,这些应用程序通常被认为更“主观”。就像将一张照片的风格转移到另一张照片上一样。Adobe 和康奈尔大学的研究人员开发了一种深度学习神经网络,正是这样做的,结果确实非常令人信服。

“风格转移”可能不是一个流行的术语,即使对于精通技术的人来说也是如此,但社交网络应用程序和服务的重度用户,如 Facebook 的 Prisma,已经在不知不觉中使用它。它实际上是一种使用人工智能将一个图像的风格转移到另一个图像的技术。然而,当前风格转移的实现有一个关键的限制。它的输出会产生更“绘画”的图像,将真实世界的照片变成风格化的表示。换句话说,它不会愚弄任何人。

然而,Adobe 和康奈尔大学的人工智能可能会。它应用深度学习中的原理,因此得名“深度照片风格迁移”,以产生更逼真的“合并”图像。例如,它可以拍摄夜间天际线的照片,复制颜色和亮度等元素,然后将这些元素应用到完全不同的天际线图像上,也许是在早上拍摄的。最终的结果是没有油漆工作,而是可以通过伪造照片的工作。

Deep Style Transfer 并不是第一次尝试使用神经网络来实现这样的功能,但它是迄今为止最成功的一次。普通的神经网络导致照片具有非常明显的失真,就好像源图像的一部分被简单地剪切并粘贴到目标图像上一样。尽管如此,它仍然有限制。例如,AI 似乎最适合处理建筑物的照片,并且源照片和目标照片中都应该有共同元素。与 Prisma 之类的绘画风格相比,它仍然是一个巨大的进步。

这只是机器学习的最新例子之一,特别是深度学习,被用于稍微涉及美学的领域。上个月,谷歌大脑透露了一种技术,几乎可以让“放大、增强”模因成为可能。然而,与此不同的是,这种深度照片风格迁移具有商业应用的潜力。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。