来自 | 量子位
你只需输入一张「小丑」的照片。
这个程序就如同画家一样，一笔一笔画出他的油画画像。
这就是艺术型神经绘画。
双路神经渲染的矢量图，更清晰、更逼真
艺术型神经绘画是由密歇根大学安娜堡分校、网易伏羲AI实验室、北航共同发布的研究成果。
他们提出了一种从图像到绘画的编译方法，输出生动逼真的艺术画。
<img data-ratio="1.0018867924528303" data-type="png" data-w="1060" src="https://www.zkxjob.com/wp-content/uploads/2022/07/wxsync-2022-07-40193ea83ed06214e0bdf5723bf8140a.png" />研究人员还设计了一种新型的神经渲染器，模仿矢量渲染器的行为，然后将笔画预测作为参数搜索过程进行构架，来提高输入图像与渲染输出图像之间的相似性。
该研究使用了双路径的神经渲染方法，用着色网络和栅格化网络分别处理图像的颜色和形状。
△双路径的神经渲染方法
这个方法，使渲染出来的画，既保留了原图的风格特征，也创作出独具特色的精美艺术画。
程式化神经绘画在向量的环境下处理图像，生成的是矢量图像。
矢量图像无论放大多少倍可以清晰的查看。
除了生成油画风格，还能根据环境，生成不同风格类型的合成图。
对生成的图像进行风格转换
由于在参数搜索范式下构建笔画预测模式，这个方法也适合神经样式转换框架。
假如输入的颜色和质感的图像模型，根据你的图像模型，生成相应风格的图像。
例如这张向日葵，你希望它展示出火一般的热情，或者是彩色玻璃的质感，它都会呈现出来。
<img data-ratio="0.3919716646989374" data-type="png" data-w="1694" src="https://www.zkxjob.com/wp-content/uploads/2022/07/wxsync-2022-07-3b33db6fd3697f935ed4c1ea7fac0694.png" />这种艺术型神经绘画风格转换结果，无论在整体外观，还是在局部纹理，都有较高的保真度。
像素绘画与美国艺术家对比
艺术型神经绘画还可以用于创建8位图形作品。
美国著名艺术家亚当·李斯特（Adam Lister）通过将像素化图形的解构，与水彩颜料的透明度和丙烯酸颜料的平整度结合，将经典图像分解为最基本的像素形式。
<img data-ratio="0.9814126394052045" data-type="png" data-w="538" src="https://www.zkxjob.com/wp-content/uploads/2022/07/wxsync-2022-07-fa93af291c5d5695de75360273484ae3.png" />△亚当·李斯特（Adam Lister）和他的像素画
在这里，将他们的像素化的8位图作品与这位艺术家的作品进行对比。
<img data-ratio="0.38323353293413176" data-type="png" data-w="1670" src="https://www.zkxjob.com/wp-content/uploads/2022/07/wxsync-2022-07-8b9ace2e0c8c6ec76bdc9304de267ae2.png" />左边是原图，中间的是神经绘画作出来图像，右边是艺术家亚当·李斯特（Adam Lister）的画的像素画。
神经网络绘画出来的作品，可以和艺术家的作品相媲美了。
假如你想来一张个人写真的油画，「AI大师」就可以满足你的需求。
参考链接：
https://jiupinjia.github.io/neuralpainter/
https://adam-lister-gallery.myshopify.com/pages/about-us
https://colab.research.google.com/drive/1XwZ4VI12CX2v9561-WD5EJwoSTJPFBbr
<section data-brushtype="text" style="padding-right: 0em;padding-left: 0em;white-space: normal;letter-spacing: 0.544px;color: rgb(62, 62, 62);font-family: "Helvetica Neue", Helvetica, "Hiragino Sans GB", "Microsoft YaHei", Arial, sans-serif;widows: 1;word-spacing: 2px;caret-color: rgb(255, 0, 0);text-align: center;"><strong style="color: rgb(0, 0, 0);font-family: -apple-system-font, system-ui, "Helvetica Neue", "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.544px;"><span style="letter-spacing: 0.5px;font-size: 14px;"><strong style="font-size: 16px;letter-spacing: 0.544px;"><span style="letter-spacing: 0.5px;">—</span></strong>完<strong style="font-size: 16px;letter-spacing: 0.544px;"><span style="letter-spacing: 0.5px;font-size: 14px;"><strong style="font-size: 16px;letter-spacing: 0.544px;"><span style="letter-spacing: 0.5px;">—</span></strong></span></strong></span></strong></section><pre><pre><section style="letter-spacing: 0.544px;white-space: normal;font-family: -apple-system-font, system-ui, "Helvetica Neue", "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;"><section powered-by="xiumi.us"><section style="margin-top: 15px;margin-bottom: 25px;opacity: 0.8;"><section><section style="letter-spacing: 0.544px;"><section powered-by="xiumi.us"><section style="margin-top: 15px;margin-bottom: 25px;opacity: 0.8;"><section><section style="margin-bottom: 15px;padding-right: 0em;padding-left: 0em;color: rgb(127, 127, 127);font-size: 12px;font-family: sans-serif;line-height: 25.5938px;letter-spacing: 3px;text-align: center;"><span style="color: rgb(0, 0, 0);"><strong><span style="font-size: 16px;font-family: 微软雅黑;caret-color: red;">为您推荐</span></strong></span></section><section style="margin-top: 5px;margin-bottom: 5px;padding-right: 0em;padding-left: 0em;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;">一文了解深度推荐算法的演进</section><section style="margin-top: 5px;margin-bottom: 5px;padding-right: 0em;padding-left: 0em;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;"><span style="font-size: 14px;">13个算法工程师必须掌握的PyTorch Tricks</span></section><section style="margin-top: 5px;margin-bottom: 5px;padding-right: 0em;padding-left: 0em;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;"><span style="font-size: 14px;">吴恩达上新：生成对抗网络（GAN）专项课程</span></section><section style="margin-top: 5px;margin-bottom: 5px;padding-right: 0em;padding-left: 0em;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;">图像算法可以稳定处理视频了！| NeurIPS 2020</section><section style="margin-top: 5px;margin-bottom: 5px;padding-right: 0em;padding-left: 0em;min-height: 1em;font-family: sans-serif;letter-spacing: 0px;opacity: 0.8;line-height: normal;text-align: center;">从SGD到NadaMax，十种优化算法原理及实现</section></section></section></section></section></section></section></section></section>
本篇文章来源于: 深度学习这件小事
本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
内容反馈