Leon A. Gatys, Alexander S. Ecker, 和 Matthias Bethge 等人的论文“A Neural Algorithm of Artistic Style”开创了图像艺术风格转换的途径,自此之后,利用深度学习相关模型和处理方法,可以实现用计算机代替传世画家的野心。印象派、野兽派、浮世绘、波普、解构主义,曾经艺术风格曾经都是画家脑中不可捉摸的概念。而到了人工智能时代,所有艺术风格都被证实是可以进行“量化” 的,并且通过机器学习,可以源源不断地产生新作品。
在量化(数学)与风格(艺术)之间,上面那篇论文中提出一种算法,用卷积神经网络将一幅图像的内容与另一幅图像的风格进行组合。感觉看了挺好玩的,于是也进行测试了下,即利用Vgg19的模型作为训练数据模型,然后实现对任意一张图片进行切换。设置默认的风格切换比例为0.7。
(1) 风格图片(选用论文中的实验用图)
(2)测试图例一:选择郑州二七纪念塔。
生成效果如下所示:
(2)测试例子二:
郑州的大玉米
转换后的效果如下所示:
这个示例还是非常赞的,通过不同风格的照片还可以实现不用画派的切换。