把照片滤镜成“电影风”,其实没你想象的简单

P过许多张图片、磨过不少皮,却依然不了解其中的奥秘。趁着刚被一波滤镜刷屏的节奏,今天,我们扒一扒“滤镜”。

化腐朽为神奇的滤镜

《你的名字》剧照

美仑美焕的天空,炫彩光斑下的图像,就像17岁那年等待放学的午后。

日本漫画家新海诚的电影《你的名字》要来了,画风相当细腻,天空、火车、树林都带着浓厚的“新海诚色彩”。

朋友圈流传的以它为样本的“新海诚滤镜”,能把

乌云密布的深圳,一滤也能变成↓↓↓

天空之城

画风立马吸引住了爱PO照片的“信男善女”,刷屏想挡都挡不住。

这大概是大家爱用滤镜的原因——它有化腐朽为神奇的魔力:

“上海女逃离江西”事件

今年春节期间,一张让上海女《有点想分手了......》的图片,在网友用滤镜加持后,秒变丰盛年夜饭!

滤镜,也能像画家一样临摹

说起滤镜,现在许多软件都自带了滤镜效果:

苹果手机相机自带滤镜

自动磨皮滤镜,已经成为女性手机的默认设置。

但这些都 too young too simple!

随爱美之心不断升级的技术,让滤镜不再只是单一“加上一层色”,而是可以像临摹名画一样,将它风格化:

这是一张“某男跪地拍摄孔女士”的普通照片

经过滤镜哥用梵高《星月夜》的风格化之后:

唯美的星空芦苇就出来了。

试加一层马赛克风格,更有“人约黄昏后”的感觉:

你屹立桥头,我静静守候:

滤镜,不再只是简单图片明亮、冷暖地增减,它学会了艺术化,理解、学习了名画的纹理、笔触等效果,成为一个临摹高手。

想制作一张名画风格的图片,你可以打开天天P图—P图实验室——潮爆艺术画

相当于把图片扔给一座PS加工厂?

各式各样的滤镜到底是怎么实现的呢?

有网友一定这样想:将图片发给一座的Photoshop加工厂,里面众多PS“学徒”就开始迅速的动手P图,然后回传给你。

实际上,简单的图像滤镜差不多是这样的原理:

将图片输入后

APP将饱和度、亮度、对比亮等参数

应用到图片上

输出给你

通俗一点说,你在PhotoShop上需要完成的那几步, APP一次性帮你完成。

风格化的滤镜则要复杂很多!传统的做法如下:

据腾讯AI lab的童靴翻译:

每一幅图像输入,系统会不断的调整图像,使它无限接近输入的原图和风格图像,最终得到酷炫的融合效果。

按照学霸的说法:

是的,每张图片平均需要经过500次左右(约120秒)的迭代计算和调试,才能得出最优的图像。

(这时间也略长了些,往往图像“滤”完毕,想晒图的心情也完毕了。)

一个滤镜=有5万次临摹经验的“老画家”

今天,我们在天天P图上,能够迅速将拍摄的照片变换成指定的风格。

它不仅仅是一个简单的图像滤镜操作,也不是传统的“求公约数”方法的效率可以解决。其实,还藏着今年很火的AI(人工智能)以及深度学习神经网络。

以《星月夜》为例,只需要两秒钟左右,就可以将一张图片星空化。

↓↓↓

这背后,腾讯AI lab其实默默做了几万次的临摹,将5万多张图片输入到深度学习系统中,自动辨别学习效果,并自我优化,最终形成一个通用的模型。

和围棋人机大战的AlphaGo类似,它能够自我“对弈”和调整。

也就是说,它按着《星月夜》的风格,临摹了近5万张图片,然后不断自我汲取每一张画的经验,成长为一位“老画家”。

值得一提的是,机器学习时间也比人类快得多,训练20个小时,不用报班、不用实习,“老画家”就修练成功,得到一个不错的风格转化模型。

用户只要输入一张图像,系统就可以理解其中的凹凸、纹理、天空等细节,这样输出的图像自然不会“乱来”。

目前,腾讯AI lab 更多风格化滤镜正在对外发布,具体可以打开天天P图—P图实验室——潮爆艺术画查看。

视频也可以滤镜,腾讯AI lab首创深度网络学习视频

就在上周,腾讯AI lab还发布了首创深度网络学习滤镜视频。

(图片滤镜做得完美都如此艰难,你居然还要...)

视频滤镜最为直接的方式,就是根据图像风格变换的技术,逐帧完成视频的变换。但是,这样很难保证视频帧间风格的一致性。

例如,有可能出现前一帧天空的是深蓝色,而后一帧的天空是淡蓝色的情况。视频看起来难免会“闪”、跳跃。

因此,要建立一个合适的深度学习模型需要:

1,可以将名画元素有效的提取出来并学习应用;

2,在时间域上保持变换风格的时间一致性(temporal consistency);

3,保证计算的高效性以支持更多的实际应用场景。

迄今,业界的研究团队仍然没有很好的深度学习模型和高效率(如实时)的解决方案。

就在上一周,腾讯AI Lab推出了首创深度网络学习视频,率先构建了深度神经网络,将风格变换的前向网络与视频时空一致性结合起来,高效的完成高质量的视频风格变换。

“老画家”学习了数千小时的视频数据,充分了学习帧与帧的风格变换特点、捕捉视频帧之间极其复杂多变的时域特性,变成为一位“老后期制作师”!

而且,在相同条件下,传统方法处理一帧需要3分钟,“老后期制作师”只需0.05秒。

而经过优化后的深度模型,已经能够在手机客户端做到针对摄像头数据的实时处理,将用户拍摄的视频画面实时进行风格变换。

这意味着,未来有可能实现风格化的实时拍摄、直播。

作为腾讯新成立的研究部门,腾讯AI Lab立足于腾讯的大数据和平台,致力于开发新的AI技术,探索新应用和新业务,将AI技术融入产品。

这次“视频滤镜”,是腾讯 AI Lab 将人工智能技术与腾讯用户需求相结合的初尝试。

声明:本文系网络转载,版权归原作者所有。如涉及版权,请联系删除!

原文发布于微信公众号 - 智能算法(AI_Algorithm)

原文发表时间:2016-11-29

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏张红林的专栏

机器学习入门书籍简介

在AIclub看到一篇机器学习入门的文章,回想自己磕磕碰碰走过的弯路,颇有感触,因此对自己从懵懂到稍稍入门过程中看过的教程做一个简单的介绍,希望帮到后来人。

4.5K3
来自专栏大数据文摘

机器也有品味:谷歌最新算法让街景图具有专业摄影师审美

1622
来自专栏企鹅号快讯

数据挖掘中的十大实用分析方法

1.基于历史的MBR分析 基于历史(Memory-Based Reasoning)的MBR分析方法最主要的概念是用已知的案例(case)来预测未来案例的一些属性...

2236
来自专栏大数据挖掘DT机器学习

网易云音乐歌单的推荐算法解析

网易云音乐的歌单推荐算法是怎样的呢?最近有很多人关心这个问题。调查了一些网易云音乐的重度患者,小咖带你来看一些路过大神的精辟分析。 分析一: “商品推荐”系统...

5114
来自专栏人工智能LeadAI

TensorFlow从0到1丨第3篇:人类学习的启示

上一篇TensorFlow的内核基础介绍了TF Core中的基本构造块,在介绍其强大的API之前,我们需要先明了TF所要解决的核心问题:机器学习。 什么是机器学...

4374
来自专栏华章科技

25条神技!关于数据可视化,看这篇文章就够了

导读:可视化不是单纯的数据展示,其真正价值是设计出可以被读者轻松理解的数据展示。设计过程中的每一个选择,最终都应落脚于读者的体验,而非设计者个人。

923
来自专栏机器学习算法与Python学习

干货 | 数据挖掘中的十大实用方法,可能你并不一定都熟悉!

关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 目录 基于历史的MBR分析 购物...

3885
来自专栏量子位

深度学习究竟怎么入门?两位Google大神掀起剑气之争

作为一名 华山派新弟子 深度学习新手,该先学会用框架快速搭出神经网络,用到实际问题中去,还是该先练习用Python基本徒手搭建模型,在小数据集上训练,了解它们的...

812
来自专栏AI研习社

有没有必要把机器学习算法自己实现一遍?

哈哈哈哈,我觉得很多人都有这个疑问吧。机器学习好高大上,多么牛逼的东西,光是看公式就已经眼花缭乱了,总觉得自己该全部去实现一遍,有的时候太懒,有的时候觉得能力不...

3985
来自专栏大数据文摘

为何黑白比彩色照片更显高大上?

1934

扫码关注云+社区

领取腾讯云代金券