【工学科普】从画风奇诡到顶尖大师，AI绘画经历了什么？

本文链接：https://blog.csdn.net/m0_71744960/article/details/143946309

提及艺术，我们脑海中往往会浮现出达芬奇、梵高、毕加索等巨匠的辉煌身影，他们的杰作无不令人叹为观止。

然而，若我告诉你，如今有一群前所未有的‘艺术家’正悄然崛起，它们无需饮食，无需休眠，却能信手拈来地模仿任何风格，你是否会感到惊讶？这，便是我们今日聚焦的神秘主角——AI绘画。

在揭开其神秘面纱之前，我们预备了一场小测验，旨在挑战你的艺术直觉。

以下是四幅风格迥异的画作，请你尝试辨别它们究竟出自人类之手，还是AI的智慧结晶。如果你已跃跃欲试，那么，这场别开生面的测试即刻启幕

图1：《Théâtre D’opéra Spatial》

图2：《Edmond de Belamy》

图3：《Mecha warrior in the night》

图4：《A Mushroom man》

最后的答案可能会让你感到惊讶，实际上，这四幅绘画全部是由AI完成的！图1中的《太空歌剧院》在美国科罗拉多州博览会的一项艺术比赛中获得了第一名；而图2的《Edmond de Belamy》在佳士得拍卖行的一场拍卖会上以432500美元的价格售出；图3来源于AI绘画社区；而图4则是本文作者自己使用AI绘画创作的微信头像。

不知道你的答案是否符合自己的预期？如果你觉得困难，那说明AI绘画的技术已经达到了一定的水平。通过AI绘画，每一个人都可以创造出属于自己的独一无二的作品。

你可能会好奇，AI是如何学习绘画的？它们又是如何从最初的画风奇诡，发展到现在可以媲美大师的水平呢？接下来，我将带你一起探索AI绘画的发展历程，一起揭开AI绘画的神秘面纱。

那么，让我们开始吧！我们的第一站，就是AI绘画的蹒跚学步阶段。

一、蹒跚学步与理解图像

在AI绘画的早期，我们可以想象成一个小孩子正在学习画画。它的第一步就是理解图像是什么。这就像让孩子画苹果，那他就必须理解什么是苹果一样，他需要知道苹果的形状、颜色，甚至于它在不同光线和角度下的变化。

在AI的世界里，图像是由像素组成的，每个像素包含了颜色的信息。但是AI并不能像人一样直观地理解这些颜色信息代表了什么。不仅如此，同样的物体，可能会有完全不同的展示风格，这就进一步地造成了AI理解图像的困难。例如图5中，这些涂鸦都是猫，但是对于AI来说，它们却完全是不同的物体。

图5：AI会认为，这些怎么会是同一个东西？

AI绘画的第一步让AI理解图像。2012年，谷歌大脑(Google Brain)团队成员Jeff Dean和吴恩达等通过深度学习技术，成功让16000台电脑学习1000万张图片后，在YouTube视频中“认出”了猫。和让孩子认识世界一样，早期的AI也一样面临着很多难题。

图6：被AI认出的猫的图像

这只是一副很简单的图像，但是对AI来说却花费了堪称巨大的开销。伴随着深度学习的发展，AI开始能够理解图像中的内容，其中以AlexNet和卷积神经网络为代表开启了图像识别的新时代，它可以总结图像特征，能够识别图像中的物体，理解图像的结构，比如人、车、猫、狗等。这就是AI绘画的蹒跚学步阶段，和孩子学习绘画一样，是来认识这个世界的。

然而，仅仅理解图像还不够，因为绘画不仅仅是复制现实，更重要的是表达情感和创造新的视觉体验。那么，AI又是如何做到这一点的呢？

二、掌握技巧与风格迁移

在一个孩子开始学习绘画并逐步认识世界之后，他的下一步往往是模仿他所见到的世界。AI绘画也遵循了类似的轨迹。当AI能够识别和再现基本图像后，它的下一步是学会“模仿”艺术家的风格，这便是AI绘画掌握的一个重要技巧——风格迁移。

风格迁移就是捕捉一个风格的视觉特征并将其应用到另一幅画上。就像你可以穿上不同风格的衣服一样，AI可以给图片“换上”不同的风格。这个过程中的一项关键技术叫做生成对抗网络（GAN）。

想象一下，如果AI是一场魔术表演，那么GAN就是其中的双人组合。在这个组合里，一个神经网络（我们称它为生成器）担当魔术师，试图创造出足够迷惑人的“假”画作；而另一个网络（称为鉴别器）则是挑剔的观众，它的任务是分辨出真正的艺术品和AI制造的作品。这两者之间的“对抗”促使生成器不断改进，最终学会创造出让鉴别器也难以区分真假的作品。

图7：魔术师与观众

那么，AI是如何使用GAN进行风格迁移的呢？首先，我们让生成器学习梵高的星空画风，掌握它的色彩模式。接下来，我们给让AI应用它学到的梵高风格。这时，AI会融入梵高的风格特点来重新绘制它。生成器会尝试让这幅新画尽可能接近梵高的原作，而鉴别器则努力识别这幅作品是否保持了原照片的元素，同时又具备了梵高的风格。最终，通过这样的学习和调整，AI能够将梵高的风格转移到任何照片上，创造出全新的艺术作品。

图8：基于某张图片的风格转换后得到的图片

通过掌握GAN和风格迁移技术，AI的绘画能力得到了质的飞跃。它不再仅仅是一个简单的模仿者，而是成为了能够在不同风格之间自由转换的创新者。这一阶段的AI已经可以实现一些出色的效果，例如图9所示的虚拟换衣，以及图像去雾去雨，图像清晰化等功能。

图9：基于GAN实现的虚拟换衣效果

三、文本理解与画面控制

对AI绘画来说，接下来的挑战是如何将文字描述转化为丰富多彩的视觉图像。这个转换过程，不仅考验了AI的理解能力，更是对它创造力的一次大考。让我们深入探索这一阶段，看看AI是如何完成这一壮举的。

在这个阶段，涌现出一项革命性的技术——Diffusion模型。想象你有一张涂满了墨水的纸，现在逐步去除图中的墨水，在这个过程中逐渐揭露出一幅精美的图画。Diffusion模型遵循这样的原理，它从一张随机的“噪声”图片开始，逐步“去噪”，最终转化为具有详细特征的图像。这个过程就像是从一片混沌中创造出有序的美，最终能够根据文本描述生成惊人的艺术作品。