當(dāng)基本功不再是創(chuàng)作的門檻，幾筆線條、一個(gè)草圖也可以呈現(xiàn)精美圖片。AI 人工智能將徹底釋放你的想象力。未來(lái)，你負(fù)責(zé)涂鴉，我負(fù)責(zé)讓它貌美如花～！

01 涂鴉也能秒變大片：AI黑魔法 GauGAN

“你只管畫，我負(fù)責(zé)讓它變好看?！?/strong>英偉達(dá)推出的AI黑科技GauGAN，只需“簡(jiǎn)單加幾筆草圖”的操作，就能在軟件幫助下，生成一張華麗風(fēng)景圖。即使是小朋友、手殘黨，也可以秒出逼真的風(fēng)光大片了！

操作簡(jiǎn)便

三種工具走天下: 油漆桶、鋼筆和鉛筆！想在海上加一塊巖石？沒(méi)問(wèn)題
畫筆圈個(gè)圈油漆桶倒個(gè)色

畫個(gè)線條就成瀑布

軟件界面非常簡(jiǎn)潔誰(shuí)都能快速上手左側(cè)邊欄：三種繪圖工具、一個(gè)顏色選擇塊底部是素材欄有天空，樹(shù)，水等等素材中間工作區(qū)：左邊繪圖右邊預(yù)覽

一鍵修改天氣風(fēng)格
天空草地都相應(yīng)變化

信手一筆 雪山呈現(xiàn)

有了這個(gè)軟件這樣的大片，一天可以做個(gè)上百幅吧

運(yùn)用意義

通過(guò)簡(jiǎn)單的草圖

進(jìn)行頭腦風(fēng)暴設(shè)計(jì)要容易得多，

而且這種技術(shù)能夠?qū)⒉輬D轉(zhuǎn)換成高度逼真的圖像。

產(chǎn)品設(shè)計(jì)師可以在頭腦風(fēng)暴的階段，

就直接產(chǎn)出高保真原型；

而乙方更是可以在甲方當(dāng)面提需求的時(shí)候，

就給出預(yù)覽效果圖。

——NVIDIA應(yīng)用深度學(xué)習(xí)研究副總裁

Bryan Catanzaro

”
GauGAN可以為建筑師、城市規(guī)劃者、景觀設(shè)計(jì)師、游戲開(kāi)發(fā)者、廣告設(shè)計(jì)師…等各種和圖像相關(guān)的職業(yè)在創(chuàng)建虛擬世界時(shí)提供強(qiáng)大的工具。 通過(guò)人工智能了解現(xiàn)實(shí)世界的外觀，這些專業(yè)人員可以更好地呈現(xiàn)想法原型并快速更改合成場(chǎng)景。

科利 · 沃茨用GauGAN做出超凡脫俗的設(shè)計(jì)畫面

頂級(jí)電影制片廠和視頻游戲公司的藝術(shù)指導(dǎo)、概念藝術(shù)家，可利用GauGAN作為一種工具，原型化想法，并迅速改變合成場(chǎng)景。

科利 · 沃茨(Colie Wertz)是一位概念藝術(shù)家和建模師，他代表作包括《星球大戰(zhàn)》、《變形金剛》和《復(fù)仇者聯(lián)盟》等電影。他以 GauGAN 的風(fēng)景畫為基礎(chǔ)，在社交媒體上分享了一個(gè)超凡脫俗的船舶設(shè)計(jì)。

NVIDIA應(yīng)用深度學(xué)習(xí)研究副總裁Bryan Catanzaro將GauGAN背后的技術(shù)比作“智能畫筆”，可以填充粗略分割圖中的細(xì)節(jié)。粗略分割圖是顯示場(chǎng)景中物體位置的高級(jí)輪廓圖，GauGAN允許用戶繪制自己的分割圖并操縱場(chǎng)景，用沙子，天空，海洋或雪等標(biāo)簽標(biāo)記每個(gè)圖形。

有網(wǎng)友評(píng)論稱，如果將其應(yīng)用在 3D 環(huán)境中，會(huì)讓VR 世界的游戲開(kāi)發(fā)會(huì)更便捷。

這款軟件背后的神經(jīng)網(wǎng)絡(luò)能夠根據(jù)它對(duì)真實(shí)圖像的了解，填充所有的細(xì)節(jié)和紋理，以及反射，陰影和顏色。

GauGAN的出現(xiàn)，讓我們不需要具備專業(yè)的繪畫、設(shè)計(jì)、攝影技能就可以制造出逼真的圖像，但它畢竟只是一個(gè)幫我們將腦海中的想法實(shí)現(xiàn)出來(lái)的工具，而非我們大腦本身，如果我們腦海中沒(méi)有任何想法，它也無(wú)法憑空去創(chuàng)造任何東西。

可以預(yù)見(jiàn)的未來(lái)是，人們?cè)诨A(chǔ)技能方面的需求正在變得不那么重要，而對(duì)更高階的技能（比如創(chuàng)意力、審美力、洞察力）需求正在變得越來(lái)越高。

也有人擔(dān)心，如果有兩個(gè)人畫的草圖差不多，那是不是輸出的圖像也會(huì)很接近呢？答案是：不會(huì)！
GauGAN 并不是對(duì)已有的照片進(jìn)行簡(jiǎn)單拼接，最終生成的圖像，每一張都是獨(dú)特的合成圖像。即便不同的用戶做出相同的設(shè)置并畫出相似的草圖，系統(tǒng)中也會(huì)通過(guò)內(nèi)置的參數(shù)給出完全不同的圖。

背后奧秘

GauGAN 系統(tǒng)的創(chuàng)建，《空間自適應(yīng)歸一化的語(yǔ)義圖像合成》（或稱 SPADE 項(xiàng)目）論文中有詳細(xì)介紹，這篇論文由 UC Berkeley, NVIDIA, MIT CSAIL 實(shí)驗(yàn)室的 4 名研究人員共同寫就，已公開(kāi)發(fā)布在 Arxiv 上。論文的四位作者中，有兩位是華人科學(xué)家。

劉洺堉，2016 年加入 NVIDIA，現(xiàn)為 Nvidia Research 首席研究科學(xué)家，他的研究重點(diǎn)是圖像生成和理解的生成模型。

朱俊彥

朱俊彥，被稱為計(jì)算機(jī)圖形學(xué)領(lǐng)域現(xiàn)代機(jī)器學(xué)習(xí)應(yīng)用的開(kāi)拓者，他發(fā)表了第一篇用深度神經(jīng)網(wǎng)絡(luò)系統(tǒng)地解決自然圖像合成問(wèn)題的論文，其重點(diǎn)科研成果 CycleGAN，不僅為計(jì)算機(jī)圖形學(xué)等領(lǐng)域的研究人員所用，也成為視覺(jué)藝術(shù)家廣泛使用的工具。目前，他是 MIT 計(jì)算機(jī)與人工智能實(shí)驗(yàn)室（CSAIL）的一名博士后研究員。

空間自適應(yīng)歸一化 是什么？

它是一個(gè)簡(jiǎn)單但有效的層，用于在給定輸入語(yǔ)義布局的情況下合成照片級(jí)的逼真圖像。論文摘要提到，以前的方法是直接將語(yǔ)義布局作為輸入提供給網(wǎng)絡(luò)，然后通過(guò)卷積、標(biāo)準(zhǔn)化和非線性層進(jìn)行處理。
但顯然過(guò)去的做法并不是最理想的，因?yàn)闅w一化層傾向于“洗掉”語(yǔ)義信息。為了解決這個(gè)問(wèn)題，他們建議使用輸入布局通過(guò)空間自適應(yīng)的、學(xué)習(xí)的變換來(lái)調(diào)整歸一化層中的激活。與以前方法相比，他們的方法在視覺(jué)保真度和與輸入布局的對(duì)齊性方面具有優(yōu)勢(shì)。

“GauGAN”收集了超過(guò)100萬(wàn)張圖片作為數(shù)據(jù)基礎(chǔ)，使用深度算法讓AI進(jìn)行學(xué)習(xí)，最終能夠在像素級(jí)的精度上分析圖像，分割，并生成新的圖片?！癎auGAN”還擁有大量的選項(xiàng)，可以調(diào)整場(chǎng)景和元素構(gòu)成，甚至還可以根據(jù)這些內(nèi)容調(diào)整光照?！?/strong>

在 SPADE 項(xiàng)目中，仿射層是從語(yǔ)義分割映射來(lái)學(xué)習(xí)的。這類似于條件歸一化，只是學(xué)習(xí)仿射參數(shù)現(xiàn)在需要空間自適應(yīng)，這意味著我們將對(duì)每個(gè)語(yǔ)義標(biāo)簽使用不同程度的縮放和偏向。

使用這種簡(jiǎn)單的方法，語(yǔ)義信號(hào)可以作用于所有層的輸出，不受可能丟失此類信息的規(guī)范化進(jìn)程的影響。此外，因?yàn)檎Z(yǔ)義信息是通過(guò) SPADE 中的層提供，所以隨機(jī)潛在向量可以作為網(wǎng)絡(luò)的輸入，其可以用于操縱所生成圖像的樣式。

02“時(shí)間藝術(shù)”系統(tǒng)MIT CSAIL：timecraft

再來(lái)看另一款A(yù)I軟件，MIT CSAIL 麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室研究小組開(kāi)發(fā)了一款名為timecraft （時(shí)間藝術(shù)）的系統(tǒng)。

Featured snippet from the web研究小組開(kāi)發(fā)了一款名為timecraft （時(shí)間藝術(shù)）的系統(tǒng)。研究小組開(kāi)發(fā)了一款名為timecraft （時(shí)間藝術(shù)）的系統(tǒng)。

“時(shí)間藝術(shù)”系統(tǒng)可以采集著名畫家如塞尚、梵高已經(jīng)完成的畫作，分析出這些名畫是如何被創(chuàng)造出來(lái)的，由此產(chǎn)生的延時(shí)視頻展現(xiàn)了AI驚人的洞察力。

據(jù)悉，為了開(kāi)發(fā)這個(gè)時(shí)間藝術(shù)系統(tǒng)，MIT CSAIL 研究小組利用了現(xiàn)有的200多個(gè)數(shù)字和水彩畫的延時(shí)視頻。然后，他們將人工智能生成的延時(shí)視頻與藝術(shù)家拍攝的實(shí)時(shí)延時(shí)視頻進(jìn)行比較，測(cè)試這項(xiàng)技術(shù)。 通過(guò)在線調(diào)查和參與者的幫助下，他們發(fā)現(xiàn)在90% 的情況下，timecraft 生成了一個(gè)比現(xiàn)有系統(tǒng)更真實(shí)的延時(shí)視頻。多虧了研究人員和這項(xiàng)技術(shù)，我們現(xiàn)在可以體驗(yàn)著名的藝術(shù)作品是如何誕生的。