StyleGAN玩出新高度！生成999幅抽象画，人人都是毕加索(附代码)

yPfiXGyC

新智元原创
! F! ^0 P9 J- H4 k' k- }: x【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。
) O: T3 D8 N2 f5 D- Z& [: R
- d5 _4 L8 H8 h人人都能当抽象派画作大师了！
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。
( W7 K: k3 F5 o- R( w
7 D" y) c3 s- p2 D爱德蒙·贝拉米的肖像
: d; W' ^! o8 ^  T$ E: |6 b今天，Reddit上一位网友利用StyleGAN训练生成了999幅抽象派画作！

生成的其中一幅画作
; h* k5 {! w$ f; M7 D这项工作使得其他网友们羡慕不已：

8 V$ Z* F" Z. X! j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。
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。
8 S" F. Q1 r$ @4 d  Q
2 f+ @3 k# ~0 A+ F& j6 IReddit地址：
8 F/ Y' H; g1 Q9 s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。
" `6 b5 f/ i4 B9 {
英伟达StyleGAN GitHub官方地址：
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。

Kaggle地址：
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。
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。
例如下面两个随机向量之间的快速隐空间差值(latent space interpolation)：
$ k# }& h  W( \8 u
9 B. F) {4 t; F. e& D3 P& U同时，作者也给出了训练好的模型和Jupyter Notebook地址：
https://mega.nz/#!PsIQAYyD!g1No7FDZngIsYjavOvwxRG2Myyw1n5_U9CCpsWzQpIo
' ~  d9 L0 I& s- M* D英伟达“造假”黑科技：StyleGAN简介
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。
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。
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。
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。
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。
+ n  l; A5 g8 k7 ~
; E1 [4 t: ~" [" l( P5 L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。
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：

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”。
8 [- o% C: I$ @' m2 a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。

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
6 A  G9 i  D. `& n, z* Q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。
: C# K3 t9 V$ p: d# 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。
# N; v! l6 n5 j. Z: a
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

AirBNB网站截图，避免广告嫌疑做了虚化处理
& L3 k8 ]+ J4 m' h" [0 p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：
7 Y* @" \: B4 x( J& h- t, [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）。
! g7 h1 m4 m! N
/ _# b4 ^% _& C3 y' S" M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。
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。
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。
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）
* d7 U: a3 E/ ^/ u: L  t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。
1 K# J# ]9 N! g8 ?% p- M
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。
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。
. ^0 ~3 k/ `; N4 u
& Q2 C! A/ ^/ N1 ^* u* k' k5 X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”。
6 h. n5 \* f% X% r$ C# `$ l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。
4 M6 q+ s7 D' O0 o4 F5 Z& ^, R7 o/ J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！
参考链接：
【2019新智元 AI 技术峰会精彩回顾】
2019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。
) b2 k, ]* Y3 p1 c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。


来源：http://www.yidianzixun.com/article/0LgHwMRr
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！