機器學習可以生成任何線條圖片的 ASCII 碼繪畫

本文為 AI 研習社編譯的技術博客，原文 This Machine learning Algorithms Can Turn Any Line Drawing into ASCII Art，作者 Daniel Oberhaus 。

翻譯 | 張碩璽 校對 | 餘杭 整理 | 餘杭

人類使用計算機創造的藝術形式已被計算機學會

回顧 1960 年代，貝爾實驗室的天才們想出了用計算機語言來繪畫的方法。這種繪畫形式叫做 ASCII 繪畫，儘管這種繪畫需要使用計算機，但很難讓計算機自動生成圖片。儘管 ASCII 繪圖生成器已經存在了很多年，但他們始終不能很好的轉換複雜的手工圖片。

現在，就讀於大阪大學的醫學院研究生 Osamu Akiyama，同時也是名 ASCII 畫家，創造出了通過模擬人腦運作機制的一種機器學習架構——神經網路，相比手工，這可以生成任何線條圖片的 ASCII 碼繪畫。

ASCII 碼繪畫是通過使用美國信息交換標準代碼（一種用來將機器語言翻譯成人類語言的編碼系統）中所定義的數字與字母創造出來的。

有趣的是，秋山構建的神經網路使用日本字來生成圖片，而非使用 ASCII 碼來生成圖片。

秋山選取日本流行的留言板 5channel 與 Shitaraba 上的 500 個 ASCII 碼繪畫來訓練神經網路模型。秋山在郵件跟我吐槽，說目前遇到的主要問題在於訓練的手工 ASCII 碼繪畫由於來自於網路，所以並沒有引用相關原始圖片。這意味著這樣的演算法很難學習線條圖片是如何轉換成文字圖片的。

為了解決這樣的問題，秋山使用了其他研究者的神經網路去清洗圖像，這樣就可以將 ASCII 碼繪畫轉換成原始線條圖片。通過這種方式估計出的原圖，就可以用來作輸入來訓練神經網路學慣用哪些字元來生成相應 ASCII 碼圖像。

通過這樣的訓練，神經網路就可以生成與手工相媲美的 ASCII 碼圖片。秋山基於圖片相似度演算法，將這種圖片和其他生成器以及手工生成的圖片作比較，發現機器學習生成的 ASCII 碼圖片與原圖更具相似性。

ASCII 碼圖片的對比：第一行為原圖。第二、三行為使用免費提供的 ASCII 生成器生成的圖片。第四、行為通過秋山的神經網路生成的圖片，而第五行是一位 ASCII 碼畫家所畫。

秋山的論文表明：「確實，對比人工 ASCII 繪畫，由演算法自動生成的 ASCII 碼圖像與原圖更具相似性。」因此，我們可能需要在未來要求人類評論家重新評估藝術的質量。

秋山並非首個將神經網路引入 ASCII 藝術的。之前也有少數幾個相關項目，比如 ASCII NET 和 DEEPASCII 同樣探究如何將深度學習引入這一特殊的藝術形式。

儘管這種演算法可以將原圖生成最具可信度的 ASCII 效果圖，秋山依然傾向人類在 ASCII 繪畫的作用。

他電郵我說：「相比其他現存工具，我可以通過這種方式生成最像人工圖片的 ASCII 圖像，但始終還是手工完成的圖片更美。」

想了解更多秋山演算法生成圖片的例子，你可以點擊這裡的 Github 鏈接（https://github.com/OsciiArt/DeepAA）。

https://motherboard.vice.com/en_us/article/zmymwx/machine-learning-ascii-art-neural-net

想知道關於機器學習更多知識？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！