栗子 根叔 發自 紐凹非寺
量子位 報道 | 公眾號 QbitAI
初出茅廬的AI畫師，最近迅速在推特躥紅。
畫富士山、畫大本鐘，畫艾菲爾鐵塔……風格溫暖美麗，健筆如飛。
很多網友直接現場圍觀一幅幅佳作誕生，一遍遍重複觀看。
根！本！停！不！下！來！
Google大腦研究員David Ha就感嘆：看這隻神經網絡畫畫，能看一整天。
當然，被迷住的遠不止他一個。
這隻AI畫家來自日本，是Reiichiro Nakano (中野君) 的調教產物，在推特上近8萬瀏覽，收穫了2,600多贊：
不論是山川建築，還是萌物愛寵，都可以用蠟筆一樣的質感，描繪成層次豐富、色彩細膩的畫面：
仔細觀察一下這隻火烈鳥。
你會發現它身上的羽毛，顏色並非一次，而是許多層“顏料”不斷堆疊而生，筆觸就像是人類畫師，有靈魂的樣子：
而且這還都只是牛刀小試。
現在，代碼和論文，中野君都開放了。
只要你有瀏覽器，就可以在Colab上直接跑。
量子位迫不及待，生成了一張機器學習大神Jeff Dean溫暖的笑容：
溫馨提示：傳送門隨後，你也可以想試就試。
畫家是怎樣煉成的？
剛剛出爐的論文，可以清楚解答。
中野君說，這算法是風格遷移沒錯。但和前輩不同，這裡是筆刷決定了風格。
少年選用的所有畫筆，不論粗細，都帶著些許滄桑的毛邊，才能畫出蠟筆的效果。
△ 左邊是真畫筆，右邊是GAN訓練生成的AI筆刷
然後，把選好的畫筆輸入給GAN或是VAE，就能生成AI用的一套筆刷了。
你看這幅教堂的畫，天空是粗獷的藍色筆刷，教堂的門窗會細緻一些，而路燈的花紋還要更細的筆觸才描繪得精彩：
有了畫筆還不夠。
第二步，AI要學習怎樣對著一幅照片來畫畫。
中野君借鑑了前輩SPIRAL生成明星臉的經驗，只是把需要大量運算的強化學習方法，改成了普通的對抗訓練。
訓練之後，AI可以用人類的照片，生成非常粗糙的畫：
這時，AI還沒把剛剛造出的一套畫筆，科學地用起來。
第三步，學習人類的筆觸。就是在剛才的對抗訓練之前，增加一個預處理(Preconditioning) 的步驟。
這一步，是避免AI從一大套畫筆裡面，隨機選擇筆刷開始訓練。通過識別圖像的特徵，限定好一套初始筆刷再開始訓練才會更加自如。
最後一步，讓畫筆決定畫風，是少年用自己的方法達成的。
咦，畫風的事，不是在生產“蠟筆”的時候就決定了麼？但那只是一部分。
現在是另一部分：蠟筆畫，畢竟沒辦法保留照片那麼清晰的細節，所以在學習照片特徵的時候，就要改變方式。只保留那些高層特徵，扔掉細枝末節，生成的畫面才會更有味道。
於是，中野君提出了Intrinsic Style Transfer (內部風格遷移) 的新概念。改變損失函數，目標變成只把內容損失 (Content Loss) 最小化。
最終，有了我們看到的，生動的畫面：
再治癒一點也可以：
中野君何許人也？
打造這隻畫畫AI的日本小夥中野君，全名Reiichiro Nakano。
而且不查不知道，跨界奇才一枚。
他現在供職於東京創業公司Infostellar，是一名軟件工程師。
但這家公司主業其實跟機器學習及AI並不太大關聯，這是一家主要從事衛星通信的硬核公司，願景是為以後人類的星際擴張打造通信基礎。
中野君在這家公司寫代碼領薪水，然後業餘就搞搞神經網絡。
沒想到興趣所致，如今紅遍四方。
△中野君受邀去Google分享
中野君說，雖然日常工作不涉及機器學習，但他為此著迷。
另外，其實中野君從學生時代就開始展現“跨界”奇才了。
他本科和研究生都就讀於菲律賓的德拉薩大學，這所可能你不曾聽聞的學校，這所位於菲律賓首都馬尼拉的私立大學，亞洲排名150開外，以商科著稱，但中也君一直修習E.E.。
此外，中也君還表示，自己是一名開源軟件的忠實信徒。
在GitHub主頁，他參與的開源項目也獲得廣泛認可：
特別是一個名為Scikit-plot的開源庫，可以讓人更容易地使用scikit-learn對象進行繪圖，曾在Github日常趨勢Python存中排名第一，目前獲星1400顆。
還有更多Python寫就的開源分享，感興趣可以通過傳送門前往。
你也可以的
相信看過上述介紹，你已經有了不少大膽的想法。
那麼，運行一下這個Colab筆記，想法就可以變成現實：
https://colab.research.google.com/github/reiinakano/neural-painters/blob/master/notebooks/intrinsic_style_transfer.ipynb
從這裡開始，把各種方括號“[ ]”一路點下來：
讓AI開始畫畫之前，記得放上自己喜歡的圖。就是改一下紅色部分的地址：
最後，Run！
幾分鐘過後，就會出現一個有模有樣的圖了。
繼續跑，AI就會幫你畫得更加精細。
你猜這是誰：
傳送門
論文地址：
https://arxiv.org/pdf/1904.08410v1.pdf
GitHub地址：
https://github.com/reiinakano
中野君自述：
https://reiinakano.github.io/2019/01/27/world-painters.html
上手：
https://colab.research.google.com/github/reiinakano/neural-painters/blob/master/notebooks/intrinsic_style_transfer.ipynb
— 完 —
誠摯招聘
量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回覆“招聘”兩個字。
量子位 QbitAI · 頭條號簽約作者
վ'ᴗ' ի 追蹤AI技術和產品新動態
閱讀更多 量子位 的文章
