Prisma虽昙花一现，但人工智能平民化时代才刚刚开始
|
如果说Alpha Go还让普通人仰之弥高，那么人人皆可“调戏”的Prisma可谓是第一款人工智能平民化应用，两者的共同特征是，都在让深度神经网络从幕后走到台前。
先有Alpha Go在数亿人的眼皮底下，五战四胜将人类从围棋神坛上“拉下马”，后有Prisma风靡全球，一时间人人皆开了梵高、葛饰北斋的“金手指”，深度神经网络渐渐开始从幕后走到台前，从不可见变得可见可触，从赋能于企业走向“赋能”与每一个普通人。 如果说Alpha Go还让普通人仰之弥高，可望不可及的话，那么上至总统下至中学生，人人皆可“调戏”的Prisma可谓是第一款人工智能平民化应用。在手机的硬件军备竞赛人困马乏、了无新意的时代，利用人工智能技术，通过“云端算法”的远程助力，可以在硬件瓶颈之下大幅提高手机的“智能化”水平。 如果说Alpha Go出尽风头是因为背靠Google在深度学习领域的深厚功底，成功非一般创业公司可复制，那么四人团队一个半月时间内开发出的Prisma则意味着：站在人工智能领域前人的成果之上，小团队也有可能touch the sky。 将卷积神经网络应用于“图片合成”乃至“艺术品滤镜”，Prisma并不是第一个。早在去年，DeepArt团队的三名成员就通过两篇论文《Texture Synthesis Using Convolutional Neural Networks》和《A Neural Algorithm of Artistic Style》分步拆解，提出了合成名画风格的照片的具体方法。去年上线的DeepArt.io也得到了WIRED、The Washington Post等媒体的广泛报道，只不过由于是网页版收费服务、处理时间长达半个小时，所以未能如Prisma这般引爆流行。 卷积神经网络是如何生成“星月夜滤镜”?即使将卷积神经网络用于“艺术品滤镜”，Prisma也不是第一个。这个领域的先驱是DeepArt团队，几篇论文记录了它们从“物体识别——纹理合成——风格提取——图片合成”一步步的研究轨迹。也像我们展示了用于识别猫的图片的卷积神经网络是如何用来让《星月夜》变成一款滤镜的。
不同光照环境之下的同一张人脸 同一张人脸在不同光线之下，轮廓、形状可能完全不同，而物体识别的难点也就是在不同的变量(比如光照条件)之下对物体存在的感知，这意味着神经网络要把图片的内容从风格中抽离出来，也意味着物体识别的神经网络中内在地存在着Prisma的运作机制：从图片中提取艺术风格特征。 问题是如何把梵高的《星月夜》中旋流不息的笔触与梦幻一般的用色“抽象”成一种风格滤镜，然后用在所有的照片之上?这就涉及到卷积神经网络的“过滤原理”。 就像Alpha Go的12层神经网络划被划分为负责选择落子的‘策略网络’(policy network)和则负责计算棋面优劣的‘价值网络’(value network)一样。卷积神经网络也是通过一些可供“调教”的参数，分层处理图片以便实现某些目的，例如目前应用最为广泛的物体识别，图片分类，也可以用于图片降噪或去模糊。
卷积神经网络运行原理图示 也正如其他的人工智能神经网络一样，卷积神经网络的运行方式是前向分层处理。一张图片相继通过神经网络的各个分层，最后一层产生的图片即为最终结果。每一层都有一组参数，在运行过程中被不断训练。这些可以调教的参数决定了每个“过滤层”的功能。图像每经过一个“过滤层”都会产生一组“滤后图像”，被称为feature map(特征映射)。每一张feature map都代表了原始图像的某一特征(边缘、角度、轮廓等)。 通常，当一张图像经过了多层过滤之后，后面留下的特征会越来越抽象。例如，如果卷积神经网络被训练用于物体识别，更深层次的“过滤层”更能“感知”到物体的存在而非具体的像素值。 经过多年发展，用于物体识别的卷积神经网络表现已经越来越好，挑战门槛也越增越高。ImageNet图像识别挑战赛2014年的获奖者是一个有19层“过滤层”和相对更小过滤器的深度卷积网络，这就是DeepArt系统的基础VGG网络。
人造纹理的合成步骤 在《Texture Synthesis Using Convolutional Neural Networks》中，DeepArt团队介绍了用于物体识别的卷积网络是如何用来合成人造纹理的，意即模仿原始图像的纹理创造一张人工合成的图像。一般来说，可以被“打散重组”的图片都包含某一特定的图样，比如沙子、纸张、碎云、木纹、混凝土的特写图片，整体布局对于这类图片来讲并不像对于地标建筑那样是重要。 合成图片的产生过程就是不断迭代“升级”这些含有“随机噪音”的图片，直至产生与原始图像相似的图片。“相似性”的标准就是色彩和局部细节被保留，而总体布局发生改变。 我们想要的结果是去除空间信息，保留纹理。问题在于一张特征图本来就是原始图像的“过滤版”，肯定会保留空间信息。如何加以去除呢?DeepArt团队采取的方法计算一个去除了空间信息的过滤层中，不同feature map之间的相关性(只要两张feature map之间的相关系数是单一值，那么空间信息就肯定被去除了)。作者计算了一个过滤层中所有特征图的相关性，得到了一个N×N的格拉姆矩阵(Gramian matrix)，其中N是这一层中feature map的数量。 迭代升级程序不断修改“噪声图”，直至它的格拉姆矩阵接近原始图像。这种迭代升级可以通过多层神经网络标准的误差反向传播(BackPropagation)算法来完成，通过这一程序，就可以创造出与原始图像相似的纹理。
在后一篇论文《A Neural Algorithm of Artistic Style》中，DeepArt为原来的纹理合成方法增加了新的一步，目标是模拟VGG网络中特征图的格拉姆矩阵，以得到一张风格相似但内容不同的图片。 而格拉姆矩阵从某种意义上来说就相当于一名艺术家的风格。他再现一张脸的方式与再现一棵树、一幢房的方式有某种相关性。只要捕捉到了这种相关性就捕捉到了风格。 模拟图片的内容与纹理合成的方法类似，只不过标准不同：目标是直接模拟VGG网络深层过滤层的数值。步骤可以概括如下：
|
