摘要：没错，火遍朋友圈的修图工具的背后就是最近流行的四个字深度学习。这样处理后得到的仅是图片的纹理而不是整体布局。这就是提供给我们的修图效果。以上用一句话概括就是，深度学习实现了艺术内容和艺术风格的分离与重构。
引子：有段子手言，地球上的人一半在用Pokemon Go追皮卡丘的时候，剩下的一半在用Prisma修图！这款由俄罗斯创业团队研发的图片处理app，从研发到上线仅几个月就用户量惊人，更让人惊讶的是，团队仅仅只有四个人。这真的可能吗？
如果你是因为标题党而进来，谢谢并希望你离开的时候能获得你想要的干货；如果你已经猜到了答案，也谢谢你愿意进来验证你的猜测。
没错，火遍朋友圈的修图工具Prisma的背后就是最近流行的四个字：深度学习。啊对，深度学习就是弄一个深度神经网络模型，很深很深的网络模型，大概有19层那么深。（咦这个确实好深啊，貌似那个下围棋的alphago也就13层~）
不是说干货么，这就完了？当然不行。那咱能直接跑一个模型玩玩吗？貌似也不太行。跑这样一个神经网络模型，需要你的计算机有一颗强大的心脏（较好有个GPU啥的），然后，你要安装一堆lua，torch，caffe，cuda之类的玩意儿。你以为prisma和别的app一样，是靠你那小手机就能搞的那么炫酷的吗？非也，它的背后必须有一个强大的云服务器。不信你断网，再拿prisma试试。
所以，prisma是把你的图片压缩好后，用网络传送到了他家服务器，然后处理结束再传给了你。
嗯这还不是特别干的干货，下面才进入正题。也许你会觉得有点枯燥，不过希望我尽量能讲的通俗，你尽量能收点干货，而那些繁琐的数学公式和略晦涩的术语我会跳过。
下文参考自：A Neural Algorithm of Artistic Style（by Leon A. Gatys, Alexander S. Ecker, and Matthias Bethge）
在深度神经网络的家族里，处理图片最给力的模型叫卷积神经网络（Convolutional Neural Network，简称CNN）。CNN的每一层结构和一般的NN不太一样，它的每一层就像一个过滤器，分层次的处理输入图像。每经过一层，就会更抽象一些，术语上来说是对上一层的特征提取。所以，每一层都可以看作为一个特征映射（feature maps）。
当CNN被用来训练识别物体（object recognition）时，研究者构造了一种网络结构，它可以使物体信息逐层更明显地提取出来，也就是说，这种网络结构关心的是图片内容（content）。每一层的feature maps都可以用来重构图片，较深层次（high-level）的重构，如下图第二排d，e，更多的捕捉内容而忽略像素，而较浅的，如下图第二排a，b，c，仅仅是像素的复制。因此，研究者多采用较深的网络结构来做内容重构（content representation）。
而CNN模型也同样可以用来做风格重现（style representations）。这时，研究者使用一种原创设计的特征空间（feature space）来提取图片的纹理信息（texture information）。feature space会加在每一层过滤层之上，它包含的是不同过滤层处理后的feature maps之间的相关性。这样处理后得到的仅是图片的纹理而不是整体布局（global arrangement）。如上图第一排所示。同样的，较深的网络层可以更好的提取纹理而忽略内容。
论文研究者的发现是：content representations和style representations是可以分离的！并且重新组合后可以成为一张全新的图片，它具备名画（artwork）的风格和我们自己的照片的内容。这就是prisma提供给我们的修图效果。同时，内容重现和风格重现在重构过程中是可以权衡的（trade-off）。所以，prisma也具备了百分比设置功能，即多大程度保留内容。
而其实这项技术在2015年8月左右就已经在github上开源了，搜索关键词deepdream可以找到。而如今它真的成为了一款流行市场的互联网产品，历时将近一年。这从技术开发到面向市场的速率也非常惊人。再看自动驾驶技术，糅合人工智能，AR/VR等技术，虽然如今还事故频频，但相信不久也会技惊四座。
以上用一句话概括就是，深度学习实现了艺术内容和艺术风格的分离与重构。虽然这还谈不上创造力，但也算art and science的完美结合！这不愧说—— Data scientist is the sexist job of 21st century.
欢迎加入本站公开兴趣群商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法，实际应用案例分享与讨论，分析工具，ETL工具，数据仓库，数据挖掘工具，报表系统等全方位知识
QQ群：81035754
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/4368.html
摘要：该研究成果由韩国团队发表于论文地址训练数据恰当的训练数据有助于提高网络训练性能。在将损失函数应用于输入图像之前，用输入图像替换了掩模外部的图像的剩余部分。总体损失函数如下其中，发生器用进行训练，鉴别器用进行训练。 为一个设计师，是否整天因为繁琐枯燥的修图工作不胜其烦？现在，一款基于GAN的AI修图大师可以将你从这类工作中解放出来。修轮廓、改表情、生发、加耳环、去眼镜、补残图，你能想到的它都能...
摘要：百炼成仙走红该书于年月出版，作者杨逸飞是一名从事开发六年的程序员，写过诸多技术博客。作者在博客上对粉丝提出关于百炼成仙的问题进行了统一回复，该博文持续占据热榜第二，热度达。 刚接触编程的小伙伴，估计都想过把枯燥无聊的编程教材变成小说读的念头，这不，说曹操曹操就来了，真的有程序员用写修仙小说的...
摘要：发布是由团队开源的，操作接口库，已成为事实上的浏览器操作标准。本周正式发布，为我们带来了，，支持自定义头部与脚部，支持增强，兼容原生协议等特性变化。新特性介绍日前发布了大版本更新，引入了一系列的新特性与提升，本文即是对这些变化进行深入解读。 showImg(https://segmentfault.com/img/remote/1460000012940044); 前端每周清单专注前端...
阅读 3496·2021-10-09 09:58
阅读 957·2021-09-22 15:20
阅读 2318·2019-08-30 15:54
阅读 3371·2019-08-30 14:08
阅读 753·2019-08-30 13:06
阅读 1702·2019-08-26 12:16
阅读 2547·2019-08-26 12:11
阅读 2387·2019-08-26 10:38
