侵权投诉
焊接机器人 喷涂机器人 搬运机器人 装配机器人 切割机器人 其它机器人
订阅
纠错
加入自媒体

Prisma虽昙花一现 但人工智能平民化时代才刚刚开始

2016-08-10 09:00
天堂的苦涩
关注

  先有AlphaGo在数亿人的眼皮底下,五战四胜将人类从围棋神坛上“拉下马”,后有Prisma风靡全球,一时间人人皆开了梵高、葛饰北斋的“金手指”,深度神经网络渐渐开始从幕后走到台前,从不可见变得可见可触,从赋能于企业走向“赋能”与每一个普通人。

  如果说AlphaGo还让普通人仰之弥高,可望不可及的话,那么上至总统下至中学生,人人皆可“调戏”的Prisma可谓是第一款人工智能平民化应用。在手机的硬件军备竞赛人困马乏、了无新意的时代,利用人工智能技术,通过“云端算法”的远程助力,可以在硬件瓶颈之下大幅提高手机的“智能化”水平。

  如果说AlphaGo出尽风头是因为背靠Google在深度学习领域的深厚功底,成功非一般创业公司可复制,那么四人团队一个半月时间内开发出的Prisma则意味着:站在人工智能领域前人的成果之上,小团队也有可能touchthesky。

  将卷积神经网络应用于“图片合成”乃至“艺术品滤镜”,Prisma并不是第一个。早在去年,DeepArt团队的三名成员就通过两篇论文《TextureSynthesisUsingConvolutionalNeuralNetworks》和《ANeuralAlgorithmofArtisticStyle》分步拆解,提出了合成名画风格的照片的具体方法。去年上线的DeepArt.io也得到了WIRED、TheWashingtonPost等媒体的广泛报道,只不过由于是网页版收费服务、处理时间长达半个小时,所以未能如Prisma这般引爆流行。

  卷积神经网络是如何生成“星月夜滤镜”?

  即使将卷积神经网络用于“艺术品滤镜”,Prisma也不是第一个。这个领域的先驱是DeepArt团队,几篇论文记录了它们从“物体识别——纹理合成——风格提取——图片合成”一步步的研究轨迹。也像我们展示了用于识别猫的图片的卷积神经网络是如何用来让《星月夜》变成一款滤镜的。

  

  不同光照环境之下的同一张人脸

  同一张人脸在不同光线之下,轮廓、形状可能完全不同,而物体识别的难点也就是在不同的变量(比如光照条件)之下对物体存在的感知,这意味着神经网络要把图片的内容从风格中抽离出来,也意味着物体识别的神经网络中内在地存在着Prisma的运作机制:从图片中提取艺术风格特征。

  问题是如何把梵高的《星月夜》中旋流不息的笔触与梦幻一般的用色“抽象”成一种风格滤镜,然后用在所有的照片之上?这就涉及到卷积神经网络的“过滤原理”。

  就像AlphaGo的12层神经网络划被划分为负责选择落子的‘策略网络’(policynetwork)和则负责计算棋面优劣的‘价值网络’(valuenetwork)一样。卷积神经网络也是通过一些可供“调教”的参数,分层处理图片以便实现某些目的,例如目前应用最为广泛的物体识别,图片分类,也可以用于图片降噪或去模糊。

  

  卷积神经网络运行原理图示

  也正如其他的人工智能神经网络一样,卷积神经网络的运行方式是前向分层处理。一张图片相继通过神经网络的各个分层,最后一层产生的图片即为最终结果。每一层都有一组参数,在运行过程中被不断训练。这些可以调教的参数决定了每个“过滤层”的功能。图像每经过一个“过滤层”都会产生一组“滤后图像”,被称为featuremaps(特征映射)。每一张featuremap都代表了原始图像的某一特征(边缘、角度、轮廓、物体部分等)。

1  2  3  4  下一页>  
声明: 本文由入驻维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

技术文库

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号