python画羊_Artbreeder 给我画一只电子羊

如何以用户友好的方式应用生成对抗网络。

没有什么是原创的。 然而，一切都是。 二十世纪初，达达主义者，超现实主义者以及后来的MERZ艺术家Kurt Schwitters都探索了这一事实。 他们将找到的材料混合到新的拼贴和3D组件中。 无数现实的无数碎片成为无数新视野。

人工智能的当代实验产生了相似的美丽成果。 您可能会认识到新作品背后的互文性，但在这里，对您来说，它们是-新世界。 从Google Deep Dream最初开始，就变成了Android梦想的多层面可视化。

现在我们可以看到AI在幻想着电羊，世界以及其他领域。

去年，我写了有关Joan Simon(http://www.joelsimon.net/)的应用程序GANbreeder。 用户友好的BigGAN模型集，已在ImageNet，Kaggle集和其他可视数据库上进行了预训练。 数据可视化的普及和民主化。 它允许与其他用户/艺术家/观看者协作，从现有DNA生成视觉杰作，即使没有详尽的数据科学知识(并非每个艺术家都可以使用Python)。

Joel的最新项目将您带入#AI生成的艺术品的下一个维度。 惊险：

育种者

让我们访问Android Dreams

目前，共有五个部分："常规"，"肖像"，"专辑"，"风景"和"动漫肖像"。 (该项目正在进行中，因此新的模型和功能一直在出现)。

让我们探索《 Artbreeder综合指南》中的所有模型> Portraits (random selection)

> Portraits (random selection)

一般模式> General

> General

这是前GANbreeder(也由Joel Simon生产)背后的实际核心-抛光并与新模型一起使用。 在这里您可以产生很多东西。

还记得BigGAN的重大突破吗？回到2018年？ 您可以为基于Tensorflow的GAN模型提供生成特定主题的任务-结果已经令人信服(可通过Colab Notebook进行尝试)。

使用Artbreeder，您可以从头开始创建世界。

像画像一样，您具有以下功能：

· 随机：显示随机已生成的图像。 您可以选择它们并进行修改。

· Mix-Images穿越现有的肖像和基因-并产生全新的视觉效果。

· Mix-Genes合并特定的语义网络层(Genes)

· 动画创建简短的变形视频。

潜入随机可能最多会使您感到困惑。 除了面孔，您还会在这里找到所有可能的嵌合体，幻象和无法解释的视觉效果。

> Fig 9. Random images from General Topic

此处的修改功能类似于生成人像。

除了" Edit-Genes"(编辑基因)以外，还有一个突出的例外。

> Fig 10. Edit-Genes in General.

如您所见，此处的图层不代表人像中的面部特征，而是代表图案，几乎是柏拉图式的eidos。 这些"基因"是BigGAN中"类别条件采样"中的"类别"：视觉数据库的主题，被标记并用于训练。

在图10中，您可以观察到哪些类别是可视化的基础(以及比例)：漫画，爱斯基摩犬，宫殿等。

我们甚至可以在这里说明图片的语义词源。

这一变革性的艺术世代是重新映射我们现实的一种全新的方式。 因此，让我们在下一个功能中从头开始创建新图像。

混合基因

首先，您需要选择一个基因(一个标记层，BigGAN中的一个神经网络突触)：

> Fig 11. Select a gene

这是一个隐藏目录的类别库。 让我们选择"建筑"作为我们的第一个基因。

> Fig 12. Gene "Architecture"

如您所见，这是一项仔细的标记工作(并非总是如此)。 BigGAN受过关于同一类别无数图像的训练，因此选择一个基因可以产生相同主题的完全不同的图像。 因此，让我们将" Caste"作为第一个基因-第二个将来自" Instruments"类别。

> Fig 13. Select a gene

现在您明白了标签的含义。 这始终是人为因素。 来自ImageNet的图像(以及几乎所有其他图像数据库)被人标记，有时对其目的没有明确的概念。 实际上，在大多数情况下，这里标记为乐器的人是演奏该乐器的人。 含义很明显-它会代替人类，而会产生人类。 对于弱AI来说，所有与要定义的模式有关。

但是现在让我们将"城堡"与"器官"结合起来：

> Fig 14. General results (you can change the intensity of a gene with slider)

即使不能区分内部和外部，城堡和器官也都可以识别。 梦幻般的图像。 当您醒来并想起最近的梦想时，您便会体会到这种感觉–视觉效果在不断变化和变质，消失，滑动。 令人困惑的大脑正在试图找到最简单的概念。

人像

Google Brain研究人员科学家Ian Goodfellow提到，在AI产生面部表情方面的巨大飞跃之前一年：

当2014年AI生成的面孔仍然看起来几乎像pareidolia Mars Face时，2018年已经在照片般逼真的假面孔生成方面取得了突破(用StyleGAN产生的绝对惊人的结果提醒病毒页面ThisPersonDoesnotExist.com)。

现在您可以自己做。 在"画像"部分中，您将找到四个功能：

· 随机：显示已生成的随机肖像。 您可以选择它们并进行修改。

· Mix-Images穿越现有的肖像和基因-并产生全新的角色。

· 相对较新的功能-您可以上传图像进行操作。

创建人像。

因此，让我们从一组现有的肖像中创建一个新人物。 选择"随机"会将您带到" Artbreeder"中的现有图像列表：

> Fig 1: Random browse

> Fig 2: Children

您在这里看到的是最初的可能性。 右上角是实际的修改面板，

· 小孩儿

· 杂种

· 编辑基因

在下面，您可以看到各种用户已经生成的图像。

所有图像功能都是神经网络层，您可以主动或随机更改。

小孩儿

这种修改方法是您控制得最少的方法。 您可以做的所有事情都是更改"相似度"与"差异度"的百分比。 您定义的图像越多，得到的结果就越不同(图2)。 您可以在图片几乎达到您的期望时对其进行微调。

杂种> Fig 3: Crossbreed

> Fig 3: Crossbreed

经典的样式转移模型。 您选择另一个图像(存在于Artbreeder中)作为目标(或来源，取决于它)-通过修改面部和样式参数，可以在两个选定的图像之间传递样式。 因此，您可以合并图片或更改其样式。

编辑基因> Fig 4: Edit-Genes

> Fig 4: Edit-Genes

最有效的修改方式：通过主动更改每个图层的百分比，您可以直接更改特定功能。 在图4中，您可以看到以前的男性眼镜佩戴者肖像-但是通过更改年龄，眼镜，性别的图层，实际上会出现截然不同的图像。 参数Concept_art是一个隐藏的样式转换层，从照片级逼真的图像切换到手写草图或绘画。

血统

图像下方的第二个图标是Lineage。 它显示了肖像的"家谱树"：

> Fig 5: Lineage

在我们的情况下，这是一棵短的家谱。 您还将在Artbreeder中找到具有较长故事情节的迭代修改图像。

> Fig 6. Sample for big-scale lineage

上载

这是一项新功能，这使Artbreeder更具了艺术实验室的功能。 它不再是纯GAN专用农场。 它的确意味着：您可以上传图像。 对抗网络可能会以这种方式或其他方式进行和更改它们。 有时并不是您真正想像的那样。

例如，上传这张著名的达达主义者汉斯·阿普(Dadaist Hans Arp)肖像(纸盘隐藏左眼)会导致GAN在"生成器"和"鉴别器"之间的相互作用中进行"校正"，并恢复了他的隐形眼睛(改变了视线)：

这是与现实世界的实际交汇点(包含版权，数据隐私等所有含义-用户应明智地使用它)。 当然，还有使用条款。

因此，如果将上述汉斯·阿普肖像的风格转移到我的照片上，就会发生这种情况：

> Fig 6. (Crossbreed with uploaded image: Vladimir Alexeev + Hans Arp)

或与Klaus Nomi一起为我进行样式转换：

> Fig 7. (Crossbreed with uploaded image: Vladimir Alexeev + Klaus Nomi)

上传功能极大地增加了可能性。

专辑> Album mode

> Album mode

10.000专辑封面是"专辑"部分中用于训练神经网络的数据库。

这是非常特别的东西-除"肖像"或"常规"以外，"相册"是文本，布局和图像的模拟组合。 人工智能时代已经到来。 我们仍在使用弱AI —文本背后的语义缺失。 这是重新创建文本的计算尝试。

与以前的模型相似，我们具有以下功能：

· 随机：浏览随机生成的相册图像。

· Mix-Images穿越现有的相册并生成全新的视觉效果。

请记住，此处的"字体"和"文字"属于构图。 不能将其单独修改为图层。

与其说是理解，不如说是一种审美观。

各种样式，主题和徽标激发了更多灵感。

风景> Landscapes

> Landscapes

本节说明如何实现无数图像神经网络训练的完美效果。 在这种情况下，景观几乎是完美的。 或可能是我们的感知-与其他动机相比，我们的大脑在自然意象方面的训练也更好。 因此，由于我们的感知忽略了不必要的元素，因此我们没有意识到现有的故障或视觉错误。

您已经知道函数如何工作：

· 随机：浏览随机生成的风景图像。

· Mix-Images穿越现有的景观并生成全新的视觉效果。

就像在专辑中一样-在这里您必须尝试，混合，修改。 (至少目前没有)景观的真正"基因"，但是通过参数的随机化，您可以生成出色的示例：

动画

与肖像几乎一样-结果令人压倒。 同样，这就像梦境的可视化一样，在这种情况下，您甚至可以看到或暂停视频，这无法帮助您更好地识别意识。

这是常规动画的示例：

静态图像生成的绝佳补充。 选择关键帧(现有肖像)— AI将以一种几乎不可思议的方式在图像之间生成过渡。 您可以选择持续时间以及过渡模式。

> Fig 8. (Keyframes)

此关键帧序列产生了引人入胜的画面：

您会注意到关键帧之间的各种样式转换过渡—令人着迷。

发展历程

乔尔·西蒙(Joel Simon)是Artbreeder背后的英雄。 但是Artbreeder Discord-Server中也有一些人，他们讨论，交流思想，建议如何适应最佳的UX，了解最新的AI成就，争论服务条款和隐私，分享最新的Artbreeder生成的作品。 卓越的团队合作精神。

Artbreeder的开发非常动态-因为Joel对用户的想法和更正迅速做出了反应。

到目前为止，我在数字产品方面获得的最佳用户体验。

这就是为什么在这篇文章发表后的第二天，Artbreeder可能会获得新功能或更改其界面的原因。 你还在等什么？ 潜水并加入Artbreeder。

最近，乔尔(Joel)扩大了选择范围，增加了具有传奇色彩的格文(Gwern)的动漫肖像(动漫模型)(也请访问格文(Gwern)的项目ThisWaifuDoesNotExist.com)。

> Anime model by Gwern

用法？

确实，哪些用例与Artbreeder生成图像有关？ 您如何应用结果？

这里有一些尝试：

· 概念设计思路

· 角色设计(适用于视频游戏，桌上游戏，自发的D＆D角色生成吗？)

· 艺术项目(图像和视频装置)

· 灵感

……只是列举一些有趣的用法。

您还有其他关于应用肖像生成的想法吗？

创建！ 实验！ 得到启发！

您的炼金术士。

> Alchemist. Generated by Merzmensch with Artbreeder.

更新。 我找到了一篇很棒的文章，上面写有GAN上类似的标题，该文章由Libre AI的联合创始人兼首席执行官Ernesto Diaz-Aviles博士一年前发表，内容涉及在AI / ML的帮助下画羊的有趣尝试。 免责声明：可能是Antoine deSaint-Exupéry与Philip K. Dick的合并，这是我们理解创造力和人工智能的典型代表。 因此，我没有复制标题，以防万一。 这是二十一世纪的明显后果。 :-)

(本文翻译自Vlad Alex (Merzmensch)的文章《Artbreeder. Draw me an Electric Sheep.》，参考：https://towardsdatascience.com/artbreeder-draw-me-an-electric-sheep-841babe80b67)