1. 首頁 > 科技 > >

ai|這次是高分辨率的，這種風格遷移AI自2015年就有，現在還在發展

ai算法深度學習

ai|這次是高分辨率的，這種風格遷移AI自2015年就有，現在還在發展

【ai|這次是高分辨率的，這種風格遷移AI自2015年就有，現在還在發展】說起風格遷移 ， 想必學深度學習的朋友都知道 。 這種AI技術 ， 能用最直觀的方式表現最新穎有趣的內容 。 在2015年Gatys等人發表了《A Neural Algorithm of Artistic Style》的文章 ， 開啟了使用深度學習進行藝術畫風格學習的新潮流 。
運用風格遷移技術 ， 我們可以把自己隨手拍的圖片梵高化——比如將自拍圖的風格“遷移”成梵高風格的圖片；這種AI不僅可以遷移自然景物圖片的風格 ， 還會遷移人物圖像的風格 。 在以前的文章里機智客就介紹過相關的深度學習應用 ， 當然在自己的Ubuntu系統上也測試過幾個風格遷移算法 ， 的確頗為有趣 。 雖然這種技術的熱潮已經過去 ， 不過風格遷移技術本身依然在發展 。

比如此次介紹的這個風格遷移算法就是剛推出的 。 它其實是一個人物肖像風格遷移算法 ， 這個名叫DualStyleGAN是基于生成對抗網絡技術 ， 用Pytorch實現 ， 更具體一點它的版本是1.7.1 ， 那么CUDA版本是10.1 。 我們可以安裝相應依賴然后建立一個虛擬環境開始測試運行這個項目了 。 虛擬環境可以看dualstylegan_env.yaml文件 。
而在預訓練模型上 ， 這個提供了不少的檢查點文件 ， 卡通數據集、漫畫數據集、動畫數據集、皮克斯動畫等多種Model 。 老實講 ， 機智客乍一看卡通、漫畫、動畫、動漫幾個詞還有點蒙 ， 不過我們實測運行下就能看出區別 。 我們可以安裝測試一下試試 。 數據集方面 ， 卡通、漫畫和動畫數據集可以從對應的官方頁面下載 。 另外項目作者還提供了構建新數據集的腳本 ， 方便測試訓練 。
具體到推理環節則很簡單 ， 連其他項目需要的參數都不用 ， 直接一個python style_transfer.py完成 。 當然這里機智客提醒要注意默認的卡通圖片替換和模型 ， 轉換之后的風格圖像會保存到.\\output\\目錄內 。
由命名和項目描述可以看出 ， 這個是風格遷移的深度學習算法 ， 和以往不同的一點是它是高分辨率的 ， 也就是比以前的算法更卓越一些 。 當然這個高分辨率的特點機智客還沒實際驗證 ， 具體的之后會在自己的獨顯主機上測試一下 ， 以伺后用 ， 整理出來 。

    相關經驗推薦