注意！圣誕「怪杰」來襲～

一鍵生成圣誕效果圖片！

?? ? ? ?

Christmas GAN 是什么

GAN 是深度學(xué)習(xí)框架下的生成模型。它由兩部分(兩個深度神經(jīng)網(wǎng)絡(luò))組成: 生成器和判別器。

?? ? ?? ? ? ?

給定一些輸入后，生成器嘗試“生成”我們所希望的結(jié)果。判別器的工作是查看生成的和真實的樣本，然后鼓勵生成器生成更接近真實的圖像。從另一個角度來看，生成器試圖生成足夠好的樣本，以欺騙判別器，而判別器則試圖不被欺騙。

?

用GAN生成圖片的想法很簡單，但怎么才能讓GAN理解這一想法呢？對GAN來說什么是具有「圣誕元素」的圖片呢？

?

難點就在于其中的社交和情境潛臺詞。

?

通常情況下，GAN是在具有高度對稱性或相似性的域之間建立圖像到圖像的轉(zhuǎn)換模型。一個例子是從馬到斑馬的轉(zhuǎn)換，條紋增添或刪除就可以完成轉(zhuǎn)換。

?? ? ??? ? ? ??

另一個例子是從蘋果到橙子，改變顏色和紋理就行了。?

? ? ? ? ?

但生成「圣誕元素」的圖片這一想法操作起來卻有點棘手。我們需要一個模型，可以呈現(xiàn)出「正常的圣誕節(jié)」的樣子。但是，與其他的例子相比，這種映射過于通用。

?

幾乎任何物品都可以用裝飾品來裝飾。人們可以穿圣誕老人或小精靈的服裝，房子和市場可以裝飾，寵物可以打扮成鹿等等。

?

下圖中，上面一行顯示的是「正常圖片」的多樣性，下面一行顯示的是「圣誕圖片」的多樣性。

? ? ?

? ? ? ?

但我們?nèi)匀幌胫垃F(xiàn)有的「圖像到圖像的轉(zhuǎn)換」能走多遠(yuǎn)。具體來說，我們的目標(biāo)是學(xué)習(xí)一個映射函數(shù)，可以映射普通圖像到圣誕圖像。

量化期望和約束

這一步需要做的工作就是：

?

1.圖像到圖像的轉(zhuǎn)換: 向模型提供一個圖像(“ no Christmas”) ，輸出也是一個圖像(“ Christmas”)

?

2.物體變形: 希望將圖像進行轉(zhuǎn)換，使圖像的特征像是在圣誕節(jié)期間拍攝的(圖像中的人最好能變成戴著圣誕老人帽子、留著胡子、穿著紅色服裝等等的人)

?

3.特征保留：變成圣誕老人的人應(yīng)該還能被認(rèn)出來，也就是說，圖像應(yīng)該保留一些信息。

?

同時還需要考慮一些限制：

?

1.這個問題沒有現(xiàn)成的數(shù)據(jù)集可以使用，必須自己構(gòu)建數(shù)據(jù)集

?

2.無法收集成對的圖像。我們無法收集人們正常站立的照片，然后再收集另一張照片，同樣的人們站在同樣的環(huán)境中，同樣的姿勢，同樣的姿勢，但是穿著圣誕老人的服裝。

?? ? ???

問題建模

考慮到上述原因，建立Christmas GAN 模型的唯一可行選擇是“unpaired image-to-image translation”，其中“unpaired”僅僅是指兩個domain中都有圖像(圣誕節(jié)和不是圣誕節(jié)) ，它們之間沒有任何明確的一一對應(yīng)的映射。

?

這里遵循的基本思想就是: 在沒有配對圖像的情況下學(xué)習(xí)兩個domain之間的映射。

?? ? ??? ? ? ?

作者通過各種方式，經(jīng)過分類和篩選，構(gòu)建了一個圣誕節(jié)和非圣誕節(jié)的數(shù)據(jù)集，大約有6000個圖像對。以下是通過CycleGAN對樹木的圖片（190張）進行訓(xùn)練得到的結(jié)果：

? ? ? ?? ??

然后，作者試圖使用完整的數(shù)據(jù)集來進行訓(xùn)練，但是除了讓紅色的陰影變得明亮起來，CycleGAN 似乎沒有實現(xiàn)任何轉(zhuǎn)變。

?

我們是如何進行圖像弱匹配的？

通過弱配對圖像，我們的意思是，對于任何在“正?！庇蛑邪粋€人的圖像，從“圣誕節(jié)”域中采樣的圖像也包含一個人。如果A有一棵樹，那么B也有一棵樹。我們可以認(rèn)為這是一個明確的假設(shè)，網(wǎng)絡(luò)可以學(xué)習(xí)一個類別的獨立映射函數(shù)。我們選擇將自己限制在3個抽樣類別:人、樹和市場，因為它們在我們的數(shù)據(jù)集中占主導(dǎo)地位。

?

通過這樣做，我們假設(shè)存在“人到圣誕老人”、“樹到圣誕樹”等單獨的映射函數(shù)。對于一般的神經(jīng)網(wǎng)絡(luò)來說，這可能并不完全正確。但我們認(rèn)為，由于我們有時使用實例歸一化層與單個圖像批，這將改善梯度流，因為圖像對之間的特征相似度較高。

?

動機是解耦這些假定的映射，使GAN的訓(xùn)練更容易，希望如此。這也可以看作是向GAN訓(xùn)練中添加標(biāo)簽信息，這通常會提高性能。這似乎起了作用，因為迪斯科開始聚集，并導(dǎo)致了一些令人著迷的結(jié)果。

?

首先，讓我們使用之前在所有數(shù)據(jù)上訓(xùn)練過的迪斯科琴，但只在我們之前看到的樹的圖像上，并比較學(xué)習(xí)到的映射是如何不同的:

? ? ? ?? Normal到Christmas generator的結(jié)果

?

與上面的結(jié)果相比，圣誕節(jié)效果明顯增強了。

?

有趣的是，在左下角添加了雪。在這一切中，效果似乎與風(fēng)格轉(zhuǎn)移相似，加上許多圣誕小彩燈。這幾乎是閃光的。

?

現(xiàn)在，讓我們看看隨機分類的包含許多不同東西的“正?！眻D像會發(fā)生什么:

? ? ?? 更多的圣誕節(jié)

模型似乎喜歡添加紅色、暖色調(diào)和燈光，到處都是燈光，甚至是披薩上。有趣的是，人們會對圣誕節(jié)期間通常不裝飾的東西產(chǎn)生幻覺，比如食物。我想我們只能接受我們能得到的。

? ? ? ?

? ? ? ?即使是摩爾圣誕節(jié)

?

這里有一個有趣的現(xiàn)象: 盡管食物不是圣誕樹，但這些樹卻是非常美麗的圣誕樹。

? ? ????

即使是在火車上，它在這里的表現(xiàn)也不錯。右下角的結(jié)果也很好，因為現(xiàn)在有雪了。不過我們不建議吃披薩。一般來說，它在人臉上的表現(xiàn)不太好;它們被扭曲到很高的程度。

?

?

這篇文章就講到這里。你喜歡這個圣誕怪杰嗎？