设计癖 - 关注设计癖 发现好设计

注册 X

设计癖 - 关注设计癖 发现好设计

登录

忘记密码?

登录 X

设计癖 - 关注设计癖 发现好设计

邮箱注册

《设计癖免责声明》

密码找回

取消

除了下围棋、写稿子,人工智能又来抢画家的饭碗了

网站导航

网站导航

如果有人让你画一只小鸟,你大概得先线条起稿、补充细节,然后着色,整个过程也得个把小时。微软最近发布了一项新的人工智能项目,名为绘画机器人(drawing bot),可以将文字转换成图画(text-to-image)。

drawing-bot-feature-3

1、对抗生成网络

何晓东是微软深度学习技术中心的负责人,也是 text-to-image 项目的核心人员之一。他说,跟网络搜索得到的图片不同,绘画机器人给你的图案都是按照一定的指令一点一点画出来的,也有可能它画出来的东西这个世界上并不存在。

office-lens-blog-2c-1024x576

绘画机器人的核心技术是对抗生成网络(Generative Adversarial Network,即 GAN),听这个是不是感觉很难懂想溜,别急,微软亚洲研究院在知乎专栏里举了个很好的例子。

u=1596132482,2595534300&fm=27&gp=0

女生拉男票给自己拍照,拍完第一张,女生说:你要学一下谁谁谁的构图;

拍完第二张,女生又说,你要学一下谁谁谁的调色;

拍完第三张,女生再说,你要学一下谁谁谁的感觉;

……反复几次,女生才终于认可了男票拍出来的照片。

office-lens-blog-4b-feature-960x520

这个男友拍照血泪史就是生成对抗网络。生成对抗网络它有两个工作模型,一个负责根据文字生成图片(generator),另一个根据文字评判生成的图片(discriminator),这两个模型不断相互博弈、又相互学习,直到 discriminator 再也没有能力判断这个图形,「生成模型」就可以出师了。

v2-be52665bac898542a06849384b42e739_hd

2、研究历程

这个项目并不是最近新出的,何晓东与他的团队已经研究了 5 年了。

他们最早推出过一个 Captionbot,只要你上传一张图,这个人工智能就会自动为图片配一段文字;接着,他们又将这个技术进一步发展,你可以根据图片上的事物进行提问,人工智能会回答你提出的问题。这个时期的技术,有点像小学生的看图作文、看图回答问题。

model

早在 2017 年 1 月份,在 arXiv.org 上就何晓东团队登载了一篇介绍 text-to-image 的论文,这项技术名为生成对抗网络(Attentional ,简称 AttnGAN)。而最近微软正在进行的 text-to-image 项目,生成的图画质量将是以前的 3 倍。

v2-d5be7d6f46d7a4f4008f60029d499843_hd

与根据图片进行文字描述技术相比,text-to-image 的难点在于,绘画机器人要描绘出更多细节,而这些细节是文字叙述中所没有的,这就要求你的人工智能自动「脑补」。

v2-d5be7d6f46d7a4f4008f60029d499843_hd

研究绘画机器人有极大的科研意义,这是计算机视觉研究(computer vision)和自然语言处理(natural language)这两个研究领域的一次融合。怎么理解呢?计算机视觉研究的是机器如何去看,也就是说让机器像人眼一样去看待这个世界、并且进行图像处理;而自然语言处理,研究的就是人与人工智能之间如何用我们日常的语言进行交流。

v2-ed07fa53d580f14b1fd0886d1f081d24_r

3、绘画机器人的实际应用

绘画机器人虽然目前仍处在研究阶段,但是界内预测,它一旦出现,将会有极大的实际用途。

比如,它可以作为画家或者设计师的助理,甚至可以帮他们完成草图。

v2-f1d0556d7865fea79e2cf58a96fc9162_hd

根据何晓东的想象,绘画机器人还可以帮助电影工作者,可以根据电影剧本直接生成影片,这可以节省大量的人力。电影从业人员莫哭。

timg

人类为谋生奋斗了这么多年,没想到最大的竞争对手却是机器人。而何晓东表示,人类和人工智能共同生活在这个地球上,双方是需要找到一种沟通的方式的,而最好的沟通方式就是语言和图像。这话好像很顺耳,但是你有没有觉得有细思极恐的感觉?

图片来源:微软官网微软亚洲研究院

微软的这款绘画机器人,你怎么看?

正在加载 ... 正在加载 ...

关注设计癖,发现好生活。关注设计癖微信公众号(shejipi),下载「设计癖 App」同样精彩。

你此刻的心情

  • 21

  • 2

  • 2

  • 40

  • 2

版权声明: 凡本站注明来源非设计癖的文章,目的在于传播,如需转载,请与稿件来源方联系,如产生任何问题与本站无关;凡本站所发布的图片、视频等素材,版权归原作者所有,仅供学习与研究,如果侵权,请提供版权证明,以便尽快删除。

扫码关注设计癖公众号

扫码关注设计癖公众号
留下评论 全部评论(0)