本文介绍了如何利用生成对抗网络（GANs）在不使用昂贵硬件的情况下，将高清图片转换为梵高风格。通过孪生生成式对抗网络（Siamese GAN）结构，处理高清图片，实现风格转换。文章详细阐述了模型建立、图像提取和处理过程，以及解决图像编辑后风格不统一的问题。
全文共4175字，预计学习时长8分钟
最近，多项研究采用了生成对抗网络（Generative Adversarial Networks, 简称GANs）这一技术来生成分辨率为1024x1024的高清图片。超级逼真的人脸、动物和其他算法生成的图像令人惊叹不已，要知道，这项技术出现也不过短短几年。从分辨率低，像素差的图片到如今栩栩如生的高清画质，在很短的时间内就实现了质的飞跃：这一领域进步多大，请看下图。
这一领域相关度最高的研究是英伟达的 StyleGAN和谷歌的BigGAN。
要生成高质量的图片需要极高的计算能力，所以目前仍不是个可以轻松解决的问题。因此，本文将介绍如何在不使用昂贵硬件的前提下利用GANs处理高清图片，这对手上没有高级显卡（GPU）的人来说是一个绝好机会。本文讨论的所有内容都可以在谷歌的Colaboratory上找到，该平台提供了免费GPU以供大众完成自己的机器／深度学习项目。
目标
我们要使用一个很特别而简单的GAN结构来完成任务，在两个高清图片之间进行风格转换。此外，还会将一张普通的高清风景图片编辑成梵高的风格。近几年在计算机视觉领域，风格转换非常流行。
《艺术化的神经网络算法》引领了这股潮流，该论文在事先测试好的卷积网络中对图片进行内容和风格上的调整。虽然这种方法能处理高清图片，但它只能用一张图像作为参照，比如说，它只能用《星夜》作为梵高整体绘画风格的参照，这不是我们想要的结果。
生成对抗网络技术（GAN）需要大量图片作为输入数据才能完全捕捉画家的风格，CycleGAN这篇论文提到了很多关于风格迁移的有趣发现。
然而，调试GANs对计算机配置要求很高：只有高阶硬件再花上很长的调试时间才能处理这一代高分辨率图片。希望本文介绍的方法能在处理高清图片方面帮助到大家。
梵高的作品
最低0.47元/天 解锁文章
2488
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
