在这个一言不合就斗图的年代，表情包已经成为了人人必需的“装备”。
最近，文摘菌就发现一位外国友人做了个AI表情包生成器，坦白讲这个生成器依然逃不过“沙雕”的标签，就像之前的“狗屁不通文章生成器”和“读后感生成器”。
它的首页是这个样子的👇有48个表情包模板可供使用。
传送门：
https://imgflip.com/ai-meme
*看到这里有没有朋友好奇“Meme”是什么？事实上，“Meme”就是我们常说的表情包。
网站标题“This Meme Does Not Exist”也延续了之前各种StyleGan生成网站的“不存在”系列，意喻“不存在的表情包”。
接下来就让我们直奔主题，文摘菌要好好看看它能给表情包配上什么字~
首先，大致扫了一眼，发现最眼熟的就是第二行中间那只doge，确认过眼神，就它了！选中之后，就生成了以下表情包：
这个文字配的嘛，大家仔细品，还是比较符合我们日常的表情包风格。再点击刷新，AI又会给这张图配上新的文字，下面这张送给吃货朋友们：
刷新了几次，文摘菌发现，出现次数最多的词汇有“wow”，“such”，“much”等一些百搭词汇，而这个AI文字生成器的水平也是参差不一，有时觉得这个表情包可以拿来用，有时就觉得很荒谬，get不到有趣的点。
除此之外，我们还可以在文本框里输入一些文字提示，来帮助它生成我们想要的表情包。比如文摘菌输入“hello”，就生成了这样子的表情包：
这...真的难为它了。要不文摘菌输入一点符合表情包逻辑的单词？比如：
立马就有内味儿了是不是！
这个网站除了生成表情包还能干啥
从这个网站首页看来，似乎还是一个表情包发烧友的交流社区？大家可以把自己制作的表情包发布到网站，用户可以根据喜好来投票。
AI生成表情包只是这个网站的一个项目，除此之外还可以手动上传表情包背景，以及输入表情包内容。但在文摘菌看来，这个网站相比国内微信表情包搜索和某图的一键表情包p图，简直弱爆了~
说了这么多，还没有介绍项目作者。这个表情包生成器的作者是Dylan Wenzlau，也是这个表情包素材平台Imgflip的创始人。他在Medium上发表的一篇文章中，详细介绍了表情包生成器的原理，是通过深度卷积网络制作的。
深度卷积网络是一种常用于图像的神经网络，Wenzlau使用机器学习平台Tensorflow和Keras对其进行了训练，建立了一个能匹配48种不同表情包格式的文本生成模型。他还在Github上发布了完整的代码供大家尝试。
Github指路：
https://github.com/dylanwenzlau/ml-scripts/tree/master/meme_text_gen_convnet
表情包质量如何，数据集来决定！
数据集简直就是AI生成文案的灵魂啊，要想表情包更接地气，就要尽可能多的收集数据。
就Wenzlau所说，在做这个生成器时，选取了96万个表情包文案作为训练数据。为了使文字生成的更加精确，Wenzlau以字母为单位作为一个训练样本，而不是一个单词。他还表示，以字母为单位训练的成果比以单词为单位要有趣多了！因为对于英文来说，以字母划分更加细致，能够激发AI更多的可能性。
实际上，表情包生成器并不是第一次出现，两年前斯坦福大学的Abel L. Peirson V和E. Meltem Tolunayl就写了一篇关于使用深度神经生成表情包的论文。他们为此还做了一个APP，称之为首个可以用AI生成表情包的应用程序。
他们在论文中写道，数据集对这个生成器来说太重要了。
他们的数据集由大约40万张带有标签以及说明的组成。其中有2600个专门的-标签组合，是他们从Python脚本中获得的。
如上图所示，数据集中一张对应一个标签和相关的说明，“手把手”教AI学习。
来看看这个AI的作品吧，你pick哪张呢？
目前看来，AI的这些配字，就像一个青涩的孩子说出来的话，有些很可爱，有些又很荒谬。
但事实上，幽默感确实很难评判，大都因人而异，还带有一些主观色彩。
这篇论文的作者也指出，他们的这项工作十分基础，要想表情包更加接地气，还要经过更长时间的研究。另外，他们还指出探索视觉注意力机制在表情包生成中的作用，也是一个不错的研究方向。
