专栏首页量子位与神经网络相比,你对P图一无所知

与神经网络相比,你对P图一无所知

栗子 发自 凹非寺 量子位 出品 | 公众号 QbitAI

“大神,可以帮我把羊蜜街拍P成我的脸么?哦对,不光是这样,还要像羊蜜哟…”

从一张照片里取出某个元素,再把它神不知鬼不觉地混入另一张图片里,似乎是一件很有难度的事情。毕竟,分分钟就会产生魔性的拼贴效果,不管是手动操作,还是AI的计算。

而如果“另一张图片”是指人类的画作,就更加不容易了。

不过,康奈尔大学和啊逗比的大神们生产了一种算法,能把各种物体融合进画作里,且毫无PS痕迹。

大量艺术家的心血,甚至艺术家自己,都惨遭它的毒手:

要啥自行车

蒙娜憨莎·豆

毕加炳

给你买了个biao

樊 · 蔡康永 · 高

是什么算法,如此丧心病狂?

记住这个名字:Deep Painterly Harmonization。

在康奈尔和啊逗比的P图大神们看来,现存的全局风格化算法都太弱了。

它们确实能搞定整张照片的风格迁移。把画作和被画传染的图片摆在一起,可能不会看出太大的问题。

介绍一下,这是我的新装备

但要像上图这样,把美队的盾牌融合到意大利画家Onofrio Bramante的作品里,微小的差异看上去就会很明显。全局风格迁移的表现也比较谦虚 (如左三) 。

无论是去除边界线、匹配色彩还是细化质地,都很难让粘贴部分拥有画作的原始风格。

我们不一样

于是,这群大神觉得,他们需要搭建局部风格化的神经网络。

大的方略就是,把画作相关部分 (神经元响应) 的特征统计,迁移到外来物体的对应位置上——关键在于选择,哪些东西才是应该迁移的。

Gatys有只几何猫

小伙伴们以Gatys团队发表的风格迁移技术为基础,用VGG搭建了一个two-pass算法,还额外引入了一些风格重建损失 (Reconstruction Losses) 来优化结果。

来来来,算法详情要一步一步看。

第一步 (First Pass):粗略图像协调 (单一尺度)

大致调整外来元素的色彩和质地,和画中语义相似的部分对应。要在神经网络的每一层,分别找到相邻最近的神经补丁,和粘贴部分的神经元响应匹配起来。

卷福丽莎,迷人的眼神

退一步,海阔凭鱼跃。先不需要太纠缠图像的质量,因为一定程度上牺牲品质,团队就可以设计出一个强大的算法,适应多种多样的画风。

用Gram矩阵来计算风格重建损失,便可以将粗略协调的版本优化一下。

不计风格损失的后果

这里得到的是一个中间产物,不过风格已经和原画作很相似了。

第二步 (Second Pass):高品质细化 (多尺度)

有了第一步的基础,此时开始对图像质量提出严格要求,便是顺理成章。

这一步,先要在一个负责捕捉质地属性的中间层集中火力,生成一个对应关系图 (correspondence map) ,来剔除空间异常值 (spatial outliers)。

你沉在,我昏黄的画布里

然后,对拥有空间一致性的对应图进行上采样 (upsample) ,进入神经网络更加精细的层次里。这样可以保证,对每一个输出位置来说,所有尺度上的神经元响应,都来自画中的同一位置。

如此一来,画面便能拥有更加连贯的质感,看上去自然许多。

后处理

经过Two-Pass算法的洗礼,中大尺度上看,图像质量几乎无懈可击;但在精细尺度上,可能还有不够准确的情况存在。也就是说,可远观而不可__焉 (填空题:10分)。

于是,后处理也要两步走:

色度降噪

高频失真的现象,主要作用在色度通道,对亮度并没有太大影响。

发现了这一特点,团队将图像转换成CIELAB色彩空间;再在Guided Filter里,以亮度通道作为向导,来过滤ab色度通道。

工作还是生活,这是一个问题

这个方法有效改善了高频色彩失真的情况,但有可能捅出更大的漏洞。然后…

补丁合成

就有了第二步,来确保输出的每个补丁都出现在画面中。用PatchMatch给每一个补丁找到相似的补丁。再为所有画风重叠的补丁取平均值,以此重构output,就可以保证画面里不要生出新的内容。

不过,这里的副作用是会柔化细节,于是又要请出Guided Filter把图像分成底层 (Base Layer) 和细节层 (Detail Layer) ,来削弱柔化效果。

画风虐我千百遍,我,选择狗带

局部迁移疗效显著

实验结果表明,转移一些区域特征统计的集合,要比转移很多独立位置的特征统计,效果要好得多。神经网络反应的对应关系图帮了大忙。

局部风格迁移的算法,保障了统计学意义上的空间一致性和跨尺度一致性。得到天衣无缝的拼图质量,这两个“一致性”功绩斐然。

金拱门的八度人生

以后,拼图少年们大概可以抛弃全局风格迁移算法了。放眼局部,你的脑洞可以绽放得惨无人道。

不过,比起难以察觉的入侵,我还是醉心于这种360度全死角的魔性p图。

万能的拷贝,万能的粘贴

更酸爽的论文传送门:

http://www.cs.cornell.edu/~fujun/files/painting-arxiv18/deeppainting.pdf

这篇论文的作者包括:Fujun Luan(栾福军)、Sylvain Paris、Eli Shechtman、Kavita Bala等人。他们还把代码开源了,还能看到更多触目惊心的例子:

https://github.com/luanfujun/deep-painterly-harmonization

顺便提一下,论文一作栾福军,2015年本科毕业于清华,目前在康纳尔大学攻读博士学位。曾在Facebook、Face++、Adobe等公司实习。

艺术照小哥哥一直在钻研视觉的玄妙。

比方说曾经被誉为“下一代PS”的Deep Photo Style Transfer,也是栾福军的研究成果。Deep Photo能实现像素级的风格迁移。

也是非常酷炫。

本文分享自微信公众号 - 量子位(QbitAI),作者:关注前沿科技

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2018-04-13

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 谷歌开源了量子算法框架CIRQ,拥抱NISQ新时代

    NISQ,是嘈杂中型量子 (Noisy Intermediate-Scale Quantum) 的简称。

    量子位
  • 图像风格迁移(Neural Style)简史

    作者:李嘉铭 Northwestern University | CS 量子位 已获授权编辑发布 面向读者:没有或有一定机器学习经验并对Prisma之类的app...

    量子位
  • 别再SOTA了,那叫“微调”!Science发文炮轰论文灌水

    为了一探究竟,来自MIT的研究人员,便对81种AI算法做了横测,结果令人大跌眼镜:

    量子位
  • Entity Framework 实体状态

    从今天开始我们开始讲解EF中的实体状态和数据操作,这篇文章先讲解实体状态。 我们通过前面的学习,知道EF通过上下位负责跟踪实体的状态,实体状态的位置是在命名空...

    喵叔
  • 揭秘手术台革命者达芬奇机器人,它何时平民化?

    她和意大利文艺复兴时期鼎鼎有名的天才达·芬奇同名,她也拥有“三头六臂”,她的手比绣花女还要灵活,在外科手术方面,她更拥有着精湛的造诣。她是一台名叫“达芬奇”的手...

    机器人网
  • 算法与数据结构algorithm

    算法与数据结构 《Data structures》 介绍:高级数据结构大全,基本算法:二叉树等 《基于用户投票的排名算法(一):Delicious和Hacker...

    Albert陈凯
  • 将spring源码导入到eclipse中

    前置条件: 1. 正确安装jdk,并配置好JAVA_HOME、PATH。(我这里安装的是jdk1.8) 2. 正确安装好eclipse。(我的eclipse版本...

    SecondWorld
  • 国密算法SM3与SM4简介与应用

    国产密码算法(国密算法)是指国家密码局认定的国产商用密码算法,目前主要使用公开的SM2、SM3、SM4三类算法,分别是非对称算法、哈希算法和对称算法。不懂也没关...

    用户5908113
  • 从SAP社区上的一篇博客开始,聊聊SAP产品命名背后的那份情怀

    博客原文:https://blogs.sap.com/2019/08/20/its-steampunk-now/

    Jerry Wang
  • 什么?在SAP中国研究院里还需要会PHP开发?

    没错,至少SAP成都研究院的部分团队如此,比如Jerry目前就职的SAP成都研究院数字创新空间。

    Jerry Wang

扫码关注云+社区

领取腾讯云代金券