<mark id="oztn4"></mark>
0
| 本文作者： 奕欣 | 2017-04-14 11:51 |
雷鋒網AI科技評論按：雖然簡筆畫與實物的逼真程度相去甚遠，但即便是一個小孩也能輕易理解圖案中的內容。原因其實很簡單，因為人類懂得通過判斷圖案中的關鍵特征，與現實物體進行匹配。那么，如果是用 RNN 教機器學會畫畫，它是否能抽象出畫中的概念，并用同樣的方式作畫呢？谷歌大腦的 David Ha 近日撰文指出了他與 Douglas Eck 在研究 sketch-rnn 時的一些想法和觀點。
人們在傳遞思想、進行交流時有一個非常關鍵的要素，那就是懂得如何用抽象的視覺內容進行溝通。我們從小就培養孩子用畫筆描述事物的能力，畫出一個物體甚至表達自己的情緒。這些簡筆畫并不一定像照片一樣逼真，但誠然，它們傳遞出了人們如何重現與重構身邊事物的方法。
一些 sketch-rnn 創作的畫
在 David Ha 與 Douglas Eck 合作的論文《A Neural Representation of Sketch Drawings》中，研究者設計了一個名為「sketch-rnn」的生成式 RNN，它能夠用簡單的筆觸描繪出日常物體，系統旨在訓練機器如何像人類一樣提煉事物的抽象概念。
研究者在一個手繪 sketches 數據集中進行訓練，控制提筆落筆的時間及方向，進而創造一個具有可觀前景的應用：不僅能幫助藝術家迸發藝術靈感，還能教授學生繪畫的基本技巧。
鑒于采用神經網絡之時，生成模型用于訓練的圖像過多，圖像以 2D 像素的點陣圖來構建。而由于它所具有的高解析度，這些模型很容易會生成一些連續的圖像結構，比如會畫出三只眼睛的貓，或是幾個頭的狗。
采用 128*128 ImageNet 數據集訓練的 GANs 模型，可能會產生像上圖這樣的詭異情況。
上圖為 Ian Goodfellow 在 NIPS 2016 Tutorial 展示 GANs 時所采用的圖片
而在谷歌大腦研究者的工作中，他們受人類繪畫的啟發，采用了更低維的、基于向量的方式。Sketch-rnn 基于 seq2seq（雷鋒網注：前段時間雷鋒網做過覆蓋和報道）的自動編碼框架，結合變分推斷并采用了超網絡作為 RNN 的核心。
seq2seq 的作用在于訓練隱向量（latent vector），即一個能夠將輸入序列編碼為浮點數向量的網絡，以此在盡可能逼真地模擬輸入序列的情況下，利用解碼器重構輸出序列。
在模型中，研究者故意往 latent vector 中加入了一些噪聲，而實驗結果呈現，模型在噪聲的干擾下不能非常準確地重現輸入的內容，但依然捕捉到了連同噪聲在內的關鍵信息。解碼器將隱向量進行處理，并產生了一個能構建簡筆畫的動態序列。研究者們輸入了幾個小貓的簡筆畫內容，而機器進行后重構產生的圖畫又是怎樣的呢？答案就是像下面這樣：
模型通過訓練人類所畫的小貓簡筆畫而重構的圖畫
值得強調的是，模型并不是簡單地照貓畫虎，面是學習了輸入特征后，重新按照理解再畫圖的。也就是說，模型是學會了「畫貓的方式」后，根據自己的理解再作圖的。
比如，當研究者故意畫了一個三只眼睛的貓作為輸入，模型基于對常識的認知，生成的依然是兩只眼的貓。而為了拓寬系統認識物體的多樣性，研究者加入了迥然不同的內容，比如一把牙刷。從圖中可以發現，系統依然將牙刷抽象成了一只貓的樣子（比如尖耳朵和觸須）。這一結果表明，神經網絡已經學會了從輸入中抽象出貓的概念，也能根據隱向量重構新的簡筆畫。
如果你還是將信將疑的話，下面這個小豬的例子或許可以說服你。八條腿的小豬和卡車「亂入」了訓練數據中，但在神經網絡的理解中，小豬只有四條腿，而卡車看起來也具有小豬的樣子（比如有條小尾巴）。
為了了解為何隱向量是如何抽象出動物的體征概念，研究者首先采用了兩幅不同的小豬畫（一幅只有頭，一幅是全身）獲得不同的隱向量，并在這兩個隱向量計算差值，并在生成簡筆畫后進行可視化。可以看到，隱向量掌握了鼻子與頭的相對位置，并且在逐步的嘗試后形成了身體和腿的概念。
那么，如果是不同的動物進行融合，如何整合它們的特征？研究者分別輸入了一個貓頭和一個全身小豬的圖像，從左往右看可以發現，小貓開始長出尾巴和身子，最后貓的頭逐步被抽象化，最后變成一只小豬。當然，反過來試驗的結果也是一樣的。
這個實驗意味著隱向量確實對抽象的概念特征進行了解碼，但我們是否能采用這些特征擴大繪畫的靈活性，比如給小貓的頭加上身子？
在學習中，系統懂得了一些「公式」
研究者發現可將身體的部分進行分類，采用一些公式性的編碼讓系統理解內容，比如將不同的隱向量加在「貓頭」上，就能得到想要的結果（貓頭+身子=全身貓）。這一舉措得以讓研究者更好地探究模型是如何組織它的隱空間（latent space），以表達不同的概念。
研究者不僅為實驗結果而振奮，也同時為 sketch-rnn 未來可能的應用方向而高興。比如圖案設計者們能夠用該網絡生成非常多看起來相似，但實際上又有各自特色、能用于不同場景的設計圖案。
從框內圖案生成的相似但各具風格的小貓
而就像我們先前看到的一樣，畫小豬的模型如果加入了卡車的圖畫，也能夠畫出有著小豬特征的卡車。研究者將這一結果拓展開來，認為這能夠給設計者提供抽象設計的靈感。
在向小貓模型中輸入了四把姿態各異的椅子圖案之后，模型學習了椅子的特征，進而生成了各種具有椅子特征的小貓，并產生了多種設計方案。研究者相信，將不同種類的事物交給神經網絡，可能產生意想不到的交互和想象。
此外，研究者們還將 sketch-rnn 的模塊解碼成單獨模型，讓系統嘗試在不完整圖畫的基礎上「腦補」內容。下圖是系統產生出的一些靈感閃現的圖案。
甚至，同一個模型也能充分發揮機器的想象力。研究者用圓形和正方形的圖案讓系統自由作畫，進而有了火烈鳥、螞蟻、貓頭鷹、直升機等等結果。設計者在研究這些機器產生的圖案時在，也能夠設計出富有創造力的作品。
Sketch-rnn 能夠讓機器作為人類靈感的來源，也可以有非常多的應用。而機器與人類的交互與溝通，在未來的想象空間是無窮的。
