伯克利AI实验室新论文:没有成对训练数据也能做图像风格转换-阿里云开发者社区

开发者社区> 量子位> 正文
登录阅读全文

伯克利AI实验室新论文:没有成对训练数据也能做图像风格转换

简介:
本文来自AI新媒体量子位(QbitAI)

640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1


图片造假技术一直是计算机视觉研究的一个重点(大误)。

其实我们要说的,是图片风格的变换。要训练神经网络完成这种转换,通常需要一个包含成对图片的训练集,然而,成对的训练数据很难找。

加州大学伯克利分校人工智能实验室(BAIR)的 副教授Alexei A. Efros和他的博士生Jun-Yan Zhu、Taesung Park,博士后Phillip Isola最近发表了一篇论文,展示了如何在没有成对例子的情况下,展示了一种学习方法,可以在没有成对例子的情况下,将来源域(source domain)X中的图片映射到目标域(target domain)Y。

他们训练的神经网络可以将莫奈画作变换成照片风格:

640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1

将照片变换成莫奈、梵高、塞尚画作以及浮世绘风格:

640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1

如果说上面这些都司空见惯,接下来的可能会让你感觉有那么一点点神奇。

比如说,这个神经网络可以让物体变形。马和斑马、苹果和橙子之间都能互相转换:

640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1

还能改变季节:

640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1

也可以将iPhone拍的照片,转换成背景虚化的单反效果:

640?wx_fmt=jpeg&wxfrom=5&wx_lazy=1

伯克利BAIR团队还将论文内容的Torch实现发布在了GitHub上,点击最下方“阅读原文”查看。

本文作者:允中 
原文发布时间:2017-04-02

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
+ 订阅

官方博客
最新文章
相关文章
官网链接