日本AI画师火速走红：印象派画作秒秒钟完工，看一整天都不腻，你也能来DIY

编者按：本文来自微信公众号“量子位”（ID：QbitAI），作者栗子、根叔，36氪经授权发布。

初出茅庐的AI画师，最近迅速在推特蹿红。

画富士山、画大本钟，画艾菲尔铁塔……风格温暖美丽，健笔如飞。

很多网友直接现场围观一幅幅佳作诞生，一遍遍重复观看。

根！本！停！不！下！来！

Google大脑研究员David Ha就感叹：看这只神经网络画画，能看一整天。

当然，被迷住的远不止他一个。

这只AI画家来自日本，是Reiichiro Nakano (中野君) 的调教产物，在推特上近8万浏览，收获了2,600多赞：

不论是山川建筑，还是萌物爱宠，都可以用蜡笔一样的质感，描绘成层次丰富、色彩细腻的画面：

仔细观察一下这只火烈鸟。

你会发现它身上的羽毛，颜色并非一次，而是许多层“颜料”不断堆叠而生，笔触就像是人类画师，有灵魂的样子：

而且这还都只是牛刀小试。

现在，代码和论文，中野君都开放了。

只要你有浏览器，就可以在Colab上直接跑。

量子位迫不及待，生成了一张机器学习大神Jeff Dean温暖的笑容：

温馨提示：传送门随后，你也可以想试就试。

画家是怎样炼成的？

刚刚出炉的论文，可以清楚解答。

中野君说，这算法是风格迁移没错。但和前辈不同，这里是笔刷决定了风格。

少年选用的所有画笔，不论粗细，都带着些许沧桑的毛边，才能画出蜡笔的效果。

△ 左边是真画笔，右边是GAN训练生成的AI笔刷

然后，把选好的画笔输入给GAN或是VAE，就能生成AI用的一套笔刷了。

你看这幅教堂的画，天空是粗犷的蓝色笔刷，教堂的门窗会细致一些，而路灯的花纹还要更细的笔触才描绘得精彩：

有了画笔还不够。

第二步，AI要学习怎样对着一幅照片来画画。

中野君借鉴了前辈SPIRAL生成明星脸的经验，只是把需要大量运算的强化学习方法，改成了普通的对抗训练。

训练之后，AI可以用人类的照片，生成非常粗糙的画：

这时，AI还没把刚刚造出的一套画笔，科学地用起来。

第三步，学习人类的笔触。就是在刚才的对抗训练之前，增加一个预处理 (Preconditioning) 的步骤。

这一步，是避免AI从一大套画笔里面，随机选择笔刷开始训练。通过识别图像的特征，限定好一套初始笔刷再开始训练才会更加自如。

最后一步，让画笔决定画风，是少年用自己的方法达成的。

咦，画风的事，不是在生产“蜡笔”的时候就决定了么？但那只是一部分。

现在是另一部分：蜡笔画，毕竟没办法保留照片那么清晰的细节，所以在学习照片特征的时候，就要改变方式。只保留那些高层特征，扔掉细枝末节，生成的画面才会更有味道。

于是，中野君提出了Intrinsic Style Transfer (内部风格迁移) 的新概念。改变损失函数，目标变成只把内容损失 (Content Loss) 最小化。

最终，有了我们看到的，生动的画面：

再治愈一点也可以：

中野君何许人也？

打造这只画画AI的日本小伙中野君，全名Reiichiro Nakano。

而且不查不知道，跨界奇才一枚。

他现在供职于东京创业公司Infostellar，是一名软件工程师。

但这家公司主业其实跟机器学习及AI并不太大关联，这是一家主要从事卫星通信的硬核公司，愿景是为以后人类的星际扩张打造通信基础。

中野君在这家公司写代码领薪水，然后业余就搞搞神经网络。

没想到兴趣所致，如今红遍四方。

△中野君受邀去Google分享

中野君说，虽然日常工作不涉及机器学习，但他为此着迷。

另外，其实中野君从学生时代就开始展现“跨界”奇才了。

他本科和研究生都就读于菲律宾的德拉萨大学，这所可能你不曾听闻的学校，这所位于菲律宾首都马尼拉的私立大学，亚洲排名150开外，以商科著称，但中也君一直修习E.E.。

此外，中也君还表示，自己是一名开源软件的忠实信徒。

在GitHub主页，他参与的开源项目也获得广泛认可：

特别是一个名为Scikit-plot的开源库，可以让人更容易地使用scikit-learn对象进行绘图，曾在Github日常趋势Python存中排名第一，目前获星1400颗。

还有更多Python写就的开源分享，感兴趣可以通过传送门前往。

你也可以的

相信看过上述介绍，你已经有了不少大胆的想法。

那么，运行一下这个Colab笔记，想法就可以变成现实：

https://colab.research.google.com/github/reiinakano/neural-painters/blob/master/notebooks/intrinsic_style_transfer.ipynb

从这里开始，把各种方括号“[  ]”一路点下来：

让AI开始画画之前，记得放上自己喜欢的图。就是改一下红色部分的地址：

最后，Run！

几分钟过后，就会出现一个有模有样的图了。

继续跑，AI就会帮你画得更加精细。

你猜这是谁：

传送门

论文地址：

https://arxiv.org/pdf/1904.08410v1.pdf

GitHub地址：

https://github.com/reiinakano

中野君自述：

https://reiinakano.github.io/2019/01/27/world-painters.html

上手：

https://colab.research.google.com/github/reiinakano/neural-painters/blob/master/notebooks/intrinsic_style_transfer.ipynb