蘇英 我是蘇英,希望大家喜歡我...

98愛的鼓勵 4訂閱站台

我們過去陸續討論過不少的職業在未來都有可能被 AI 所取代，但當時大家的想法都認為，像是繪畫這種需要藝術成分的工作要被取代還是有難度的。
但今日，由來自多所大學的研究團隊，寫出了一個可以根據使用者給予的條件來自動繪製人物插畫的網站，雖然說現階段還有一些 bug，但我們已可想像在可預見的未來，相關的工作產業勢必會因此受到衝擊。
（責任編輯：林厚勳）
來自復旦大學、同濟大學、卡內基梅隆大學和石溪大學共 6 位學生（其實本科都在復旦）搭建了一個利用人工智慧自動生成精美動漫角色的網站 MakeGirls.moe。
AI 自動生成二次元妹子？或將替代插畫師部分工作對於用戶來說操作非常簡單，只需要選擇自己喜愛的頭髮、眼睛、微笑、張嘴等等特徵，然後點擊「genrate」就可以通過訓練出的 AI 模型來生成一個動漫人物。該網站上線後數天，訪問量便增加到每小時超過一萬人。其 repo 在 github trending 上也一度排到第四位。該網站所使用的技術在其論文《Create Anime Characters with A.I. !》中進行了詳細說明。
其實這並不是第一個將 AI 應用到動漫當中的模型。2015 年 Soumith Chintala 等人開發 DCGAN 後不久，就有人將 DCGAN 應用到了生成動漫角色當中，出現了 ChainerDCGAN、IllustrationGAN 和 AnimeGAN 等，三者分別使用了 Chainer、TensorFlow 和 PyTorch 的框架，它們本質上都是 DCGAN，只是實現方式不同。但這些模型的效果並不是很好，尤其是會出現面部頭像模糊和扭曲的問題。在 MakeGirls.moe 的模型中，作者針對這些問題做出了兩方面的改進。
一、使用更高質量的圖片庫
之前幾家，他們訓練模型所使用的數據集大多數是使用爬蟲從網絡上爬下來的，這類圖片在質量和畫風上參差不齊，甚至還有一些背景。訓練數據集質量的低下會給訓練造成很大的影響。本文的作者則通過從日本的遊戲販賣商 Getchu 購買了高質量的圖像，這些圖像基本出於專業畫師之手，同時背景統一。
AI 自動生成二次元妹子？或將替代插畫師部分工作
除了高質量的圖像外為了訓練網絡模型，作者使用了一種基於 CNN 的圖像分析工具 Illustration2Vec，對圖像中動漫人物的屬性，如頭髮顏色、眼睛顏色、髮型和表情等做標記。
此外，在訓練的過程中他們還發現發佈時間越晚的圖片，訓練出的模型效果越好。這不難理解，隨著遊戲角色製作和 CG 技術的發展，越是現代的圖片，細節越豐富，如陰影和頭髮。所以作者捨棄了 2005 年之前的全部數據，並過濾掉分辨率低於 128*128 的圖像，用剩下的 31255 張高質量圖像進行訓練。
二、模型結構
作者採用了今年 5 月份發表的 DRAGAN 模型（https://arxiv.org/pdf/1705.07215.pdf），這種模型所使用的計算量相對較少，收斂較快而且能夠產生更穩定的結果。而在優化生成器的過程中，受 ACGAN 的啟發，不僅向生成器提供了標籤數據，連「噪聲」數據也一併提供，之後再為判別器增加多標籤分類功能。
下面展示一下效果——
雖然訓練出的模型大多數時候都比較好，但該模型仍然存在一些缺點。問題仍出在數據集中，由於訓練數據中各個屬性（髮色、髮型、眼鏡、帽子等）的數量分佈不均勻，某些屬性的生成並不理想（例如眼鏡和帽子常常不能生成），如果將某些罕見的屬性組合，生成的圖片甚至會崩潰（例如帽子+眼鏡）。也許當增加數據集的數量，訓練出的模型生成圖片質量可以進一步提高。雷鋒網認為，按照此趨勢 AI 或許在不久將替代掉插畫師的一部分工作。
訪問網站：MakeGirls.moe（已有訓練好的模型，打開就可以嘗試生成）
查看論文：https://makegirlsmoe.github.io/assets/pdf/technical_report.pdf
Github：make.girls.moe（目前只有網站的 js 原始碼，看介紹訓練模型的代碼會在近期放出）
本文參考了：AI 可能真的要代替插畫師了……