关注上方“深度学习技术前沿”，选择“星标公众号”，
资源干货，第一时间送达！
转载自：量子位
传奇的作者打造传世的作品，但作者逝世了，又该怎么办？
用AI来“传宗接代”。
最近，便有团队利用英伟达的StyleGAN，为已经逝世的传奇漫画家——手冢治虫的作品“续命”。
提到手冢治虫，你可能会觉得陌生，但提到《铁臂阿童木》，“大龄”小伙伴们就再熟悉不过了吧？
为了延续他的作品，来自记忆体制造商KIOXIA的研究人员和艺术团队，与日本株式会社联手，利用深度学习(StyleGAN)，创造了世界上第一部由AI生成的漫画——《PHAEDO》。
为了利于生成漫画角色，团队分析了手冢先生数百部漫画作品，包括《铁臂阿童木》、《森林大帝》、《怪医黑杰克》等等。
《PHAEDO》已经在日本《晨间》周刊上发表。
这部新漫画，可以说是很好的传承了手冢先生的衣钵。
让漫画之神的作品“传宗接代”
《PHAEDO》这部漫画，其实是Kioxia公司一个叫#FutureMemories 01 “TEZUKA 2020”的项目。
项目负责人东原良平(Ryohei Orihara)介绍说：
它是由AI和人类，根据手冢治虫的许多记忆创造出一件作品的项目。漫画这种艺术表现形式，在世界范围内广为人知，并且被几代人所阅读和喜爱。
为了让AI学习手冢治虫作品的特点，研究人员将漫画人物面部的特征转化为数据，分析在不同场景下剧情发展的情况。
而角色生成阶段的核心技术，就是英伟达的StyleGAN。
而为了生成一个与StyleGAN一起使用的训练数据集，来自公立函馆未来大学Mukaiyama教授团队从手冢先生的作品中收集了超过10000张面部图像数据集，这些图像可以用来训练模型。
Mukaiyama表示：
我们还让计算机学习手冢作品之外的人脸图像，包括真人的面部图像，让它学习通过左右翻转人脸，产生增强的数据。
训练和推理使用多个NVIDIA V100 GPU，以及StyleGAN编写的cuDNN加速的TensorFlow深度学习框架。
在第一阶段，StyleGAN在单一过程中生成了人脸，研究人员说：
我们试图生成更完整的图像，其中眼睛、鼻子和嘴巴等细微的细节都是从轮廓等粗糙的描绘中逐渐生成的。
接下来，团队决定只使用手冢治虫漫画中的女性角色。
最终，团队利用迁移学习，将数千个数据点整合在一起，实现了类似手冢作品的风格。
通过结合角色的不同个体特征，研究人员发现可以创造出从未出现过的角色。这种机制通过调整结合时的比例，来让生成的角色产生变化。
Orihara说，他最初并不相信迁移学习可以做到这一点，毕竟模型内部就像“黑箱”一样，是未知的。
但这就是深度学习非常有趣的原因。
看到角色一个接一个的被创造出来，这个过程是非常有意思的。
作品出来了，发表又遇到了问题。
最开始，《晨间》周刊的主编Miura是拒绝刊登这部漫画的，他认为项目过程中有太多的人为干预因素。
但在与团队多次交涉过后，Miura改变了主意：
我最终意识到，这个项目也可以用来分析人类是如何创作漫画的，
我想表明，创造一个可以在这些作品中绘制漫画的AI，本身就是一个人类的创造过程。
关于手冢治虫
手冢治虫(1928年11月3日—1989年2月9日)，本名手冢治，因喜爱昆虫而取了“手冢治虫”的笔名。漫画家、动画制作人、医学博士。
1947年以漫画《新宝岛》奠定了日本漫画的叙述方式，创立了日本漫画意识形态，极大的扩张了新漫画的表现力。1952年作品《铁臂阿童木》轰动日本，1953年的《缎带骑士》则是公认的世界第一部少女漫画。漫画作品《火之鸟》至今被普遍认为日本漫画界最高杰作。
同时，他也是日本第一位导入助手制度与企业化经营的漫画家。1961年成立“虫Production动画部”，翌年以“虫制作公司”的名义开始活动，日本第一部多集TV动画《铁臂阿童木》、第一部彩色多集TV动画《森林大帝》均诞生于此。1973年虫制作商事倒闭，欠下三亿巨额债务，仍然不停止漫画创作活动，同年以作品《怪医黑杰克》俘虏全国读者，创下多项纪录。
One More Thing
漫画之神手冢治虫教我们用科技来描绘梦想的乐趣。同时，他坚持认为，科学不应该抛弃人性。
于是，KIOXIA在项目的官网上，还提出了这样的一个问题：
如果手冢治虫现在还在世，他眼中(漫画作品)的未来会是什么样子呢？
除了他本人，应该没有人能给出精确的答案。
但利用AI，或许能够为这个问题，提供一个方向。
参考链接
https://news.developer.nvidia.com/osamu-tezuka-ai-supporterd-manga/
https://tezuka2020.kioxia.com/en-jp/
https://baike.baidu.com/item/%E6%89%8B%E5%86%A2%E6%B2%BB%E8%99%AB/192407?fr=aladdin
重磅！DLer-强化学习交流群已成立！
欢迎各位RLer加入强化学习微信交流大群，本群旨在交流强化学习框架、策略梯度、DQN、理论推导与算法实现、前沿技术与顶会文章解读、应用场景等内容。更有求职内推、算法竞赛、资源干货、业界前沿资讯等，欢迎加群交流学习！
进群请备注：研究方向+学校/公司+昵称（如强化学习+上交+王明）
广告商、博主请绕道！
???? 长按识别，即可进群！
扫一扫
1703
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
