Adobe也玩「PPAP」 兩圖合并帶來新風格

有沒有想過，為什麼你拍攝的照片永遠不如專業攝影師那樣出彩？其實在你看不到的地方隱藏著大量的後期處理。如今，計算機科學家希望讓業餘攝影師也能夠輕而易舉地獲得同樣精彩的照片，而不需要再花費大量時間來進行PS。日前，軟體公司Adobe和康奈爾大學合作，利用深度學習來對圖片進行後期製作和顏色調校。

這其實是一種圖像風格遷移技術，它能夠將一張照片的美學風格自動套用到另一張完全不同的照片中，包括光線、顏色和色調。此外，該技術並不會改變照片的結構，因而不會產生失真現象，處理後的照片看起來仍然非常自然。如下圖所示：

雖然這樣的圖像處理演算法並不是什麼新東西，但是此前結果往往會讓照片呈現出畫像那樣不真實感：比如細節丟失、直線彎曲變形，顏色大範圍的變化等等。因此這些圖像通常還需要進一步處理，糾正裡面的錯誤。

然而，這個研究團隊的目標是——讓轉變過程能夠一步到位，不再需要手動調整，因此最終他們選用了神經網路加深度學習。

神經網路和深度學習是人工智慧領域常被提及的專用術語，要實現自動執行圖像風格遷移，這兩種技術是非常基本的。想要專門教會軟體識別並處理地球上的每種物體是不可能的，但是通過對成千上萬個樣本不斷進行修正 ，然後對其結果進行反饋，隨著時間的推移，演算法將通過不斷的自我調參來獲得更好的結果。

最終，不需要教會演算法什麼是建築物或者建築物是什麼樣子，它就能自己知道天空出現的顏色不應該應用到人造的建築物上。這種演算法僅僅會對圖像的顏色和色調進行調整，因此它能夠保留細節，而不會產生線條變形等副作用。

那麼，到底是如何實現圖像間的風格遷移的呢？這個研究團隊在論文「Deep Photo Style Transfer」中 做了詳細介紹，感興趣的可以閱讀原文。雷

首先需要兩張圖像：一張普通圖像作為輸入（input），以及一張已經修飾過風格化圖像作為參考（reference）。然後通過神經風格演算法（Neural Style algorithm）將參考圖像的風格遷移到輸入圖像中去，最後獲得處理過後的圖像（output）。

此外，該團隊還為神經風格演算法中引入了兩個核心思想（core ideas）

在優化過程中，在目標函數中加入了一項「照片現實正則化」參數（a photorealism regularization term），約束重建圖像，防止產生失真。

為基於對輸入圖像進行語義分割的風格轉移過程引入了指導選項（optional guidance），避免內容不匹配的問題，大大提高了輸出圖片的真實感。

當然，結果並不總是完美的，比如下面這個將雪景轉化成熱帶山谷的例子，最後獲得照片整體看起來並不逼真。但是研究人員發現，這個演算法在80%左右的時間裡都是非常有效的，無需任何後期手動調整。

最終，這個功能可能會被移植到Photoshop或者其他的圖像處理程序中去。試想一下，如果客戶要求某張照片的夜間版本，那麼攝影師可以利用它來快速修改照片，而不需要再花費一個小時的時間在Photoshop中手動調整。

就算你連業餘攝影師也算不上，至少它可以讓你朋友圈的照片變得更加有趣。

via. gizmodo

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！