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，一切都是如此。 20 世纪初，达达主义者、超现实主义者以及后来的 MERZ 艺术家库尔特·施维特斯 (Kurt Schwitters) 探索了这一事实。 他们将找到的材料混合到新的拼贴画和 3D 组件中。 无数现实的无数碎片成为无数新的视野。

当代人工智能实验也产生了类似的美好结果。 你可能会认识到新作品背后的互文性，但在这里，对你来说，它们是——新的世界。 从最初开始，Google Deep Dream 就已经成为 Android 梦想的多方面可视化。

现在我们可以看到人工智能梦想着电子羊、世界和其他领域。

去年，我写了一篇有关 Joan Simon 的应用程序 GANbreeder 的文章。 在 ImageNet、Kaggle 集和其他视觉数据库上预先训练的用户友好 BigGAN 模型的集合。 数据可视化的普及和民主化。 它允许与其他用户/艺术家/观众协作，从现有 DNA 生成视觉杰作，即使没有详尽的数据科学知识（并非每个艺术家都能使用 Python）。

Joel 的最新项目将带您进入 #AI 生成艺术作品的新维度。 惊险：

饲养员

让我们来参观Android梦想吧

目前有“综合”、“肖像”、“相册”、“风景”、“动漫肖像”五个版块。 （该项目正在进行中，因此新的模型和功能不断出现）。

让我们探索 Artbreeder 综合指南 > 肖像中的所有模特（随机选择）

> 肖像（随机选择）

普通模式 > 普通

> 一般

这是前 GANbreeder（也由 Joel Simon 制作）背后的实际核心 - 经过抛光并与新模型一起使用。 你可以在这里生成很多东西。

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

借助 Artbreeder，您可以从头开始创建世界。

与肖像一样，您具有以下功能：

· 随机：显示随机生成的图像。 您可以选择它们并修改它们。

· 混合图像遍历现有的图像和图像 - 并产生全新的视觉效果。

· Mix-Genes 合并特定语义网络层（Genes）

· 用于创建变形短视频的动画。

潜入随机性充其量可能会让您感到困惑。 除了面孔之外，你还会在这里发现一切可能的嵌合体、幻觉和无法解释的视觉效果。

> 图 9. 一般主题的随机图像

这里的修改功能类似于生成肖像。

除了“Edit-Genes”之外，还有一个值得注意的例外。

> 图 10. 一般编辑基因。

正如您所看到的，这里的图层并不代表肖像中的面部特征，而是代表图案，几乎是柏拉图式的意象。 这些“基因”就是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，您可以观察哪些类别是可视化的基础（以及比例）：漫画、哈士奇、宫殿等。

我们甚至可以在这里说明图片的语义词源。

这一代变革性的艺术是重新映射我们现实的全新方式。 因此，让我们在下一个功能中从头开始创建一个新图像。

混合基因

首先，需要选择一个基因（标记层，BigGAN 中的神经网络突触）：

> 图 11. 选择一个基因

这是一个带有隐藏目录的类别库。 让我们选择“Building”作为我们的第一个基因。

> 图 12. 基因“架构”

正如您所看到的，这是一项仔细的标记工作（情况并非总是如此）。 BigGAN 在无数相同类别的图像上进行训练，因此选择一个基因可以产生同一主题的完全不同的图像。 因此，让我们将“种姓”作为第一个基因 - 第二个基因将来自“乐器”类别。

> 图 13. 选择一个基因

现在您明白标签的含义了。 这始终是人为因素。 来自 ImageNet（以及几乎所有其他图像数据库）的图像被人们标记，有时并不清楚其目的。 事实上，大多数情况下，这里标注为乐器的人就是演奏该乐器的人。 意思很明显——它将取代人类，反而创造人类。 对于弱人工智能来说，一切都与要定义的模式有关。

但现在让我们将“castle”与“organ”结合起来：

> 图 14. 一般结果（您可以使用滑块更改基因的强度）

即使无法区分内部和外部，但城堡和管风琴都是可识别的。 精彩的图像。 当你醒来并思考你最近的梦想时，你就会知道这种感觉——视觉效果不断变化、恶化、消失、滑动。 困惑的大脑正在试图寻找最简单的概念。

肖像

谷歌大脑研究员科学家 Ian Goodfellow 指出，在人工智能生成面部表情取得巨大飞跃的前一年：

虽然 2014 年人工智能生成的面孔看起来仍然几乎像幻想性幻想的火星面孔，但 2018 年在照片级真实假脸生成方面已经取得了突破（StyleGAN 产生的绝对令人惊叹的结果，提醒病毒页面 ThisPersonDoesnotExist.com）。

现在你可以自己做。 在“肖像”部分，您会发现四个功能：

· 随机：显示已生成的随机肖像。 您可以选择它们并修改它们。

· 混合图像遍历现有的图像和基因 - 并生成全新的角色。

· 相对较新的功能 - 您可以上传图像进行操作。

创建肖像。

因此，让我们从现有的一组肖像中创建一个新角色。 选择“随机”将带您进入“Artbreeder”中现有图像的列表：

> 图1：随机浏览

> 图2：儿童

您在这里看到的是第一种可能性。 右上角是实际的修改面板，

· 孩子

· 杂交种

· 编辑基因

下面您可以看到不同用户生成的图像。

所有图像特征都是神经网络层，您可以主动或随机更改它们。

孩子

这种修改方法是您控制能力最少的一种。 您所能做的就是更改相似度与不相似度的百分比。 您定义的图像越多，获得的结果就越不同（图 2）。 当图像几乎达到您想要的效果时，您可以对其进行微调。

杂交> 图 3：杂交

> 图 3：杂交

经典风格转移模型。 您选择另一个图像（存在于 Artbreeder 中）作为目标（或源，具体取决于它） - 通过修改脸部和样式参数，可以在两个选定图像之间传输样式。 因此，您可以合并图片或更改其样式。

编辑基因> 图 4：编辑基因

> 图 4：编辑基因

最有效的修改方式：通过主动改变各层的百分比，可以直接改变特定的特征。 在图 4 中，您可以看到男性眼镜佩戴者之前的肖像 - 但通过更改年龄、眼镜、性别的图层，实际上会出现一个非常不同的图像。 参数 Concept_art 是一个隐藏的风格传输层，可从真实感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”：

> 图5：谱系

在我们的例子中，这是一个简短的家谱。 您还可以在 Artbreeder 中找到具有更长故事情节的迭代修改图像。

> 图 6.大规模谱系样本

上传

这是一项新功能，使 Artbreeder 更像是一个艺术实验室。 它不再是一个纯粹的 GAN 农场。 含义：您可以上传图像。 对抗性网络可以通过这种方式或其他方式执行和改变它们。 有时候，事情并不是你真正想的那样。

例如，上传著名达达主义者汉斯·阿尔普（纸盘遮住左眼）的肖像会导致 GAN 在“生成器”和“鉴别器”之间的相互作用中进行“校正”并恢复他的隐形眼镜（视力改变）：

这是与现实世界的实际交集（具有版权、数据隐私等的所有含义 - 用户应该明智地使用它）。 当然，还有使用条款。

因此，如果我将上面汉斯·阿尔普肖像的风格转移到我的照片上，就会发生以下情况：

> 图 6.（与上传图像的杂交：Vladimir Alexeev + Hans Arp）

或者我和 Klaus Nomi 的风格转换：

> 图 7.（与上传图像的杂交：Vladimir Alexeev + Klaus Nomi）

上传功能大大增加了可能性。

相册>相册模式

> 相册模式

10.000 张专辑封面是用于训练“专辑”部分中的神经网络的数据库。

这是非常特别的——除了“肖像”或“常规”之外，“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。 我们仍在使用弱人工智能——文本背后的语义缺失。 这是重新创建文本的计算尝试。

与之前的模型类似，我们有以下特点：

· 随机：浏览随机生成的专辑图像。

· 混合图像遍历现有相册并生成全新的视觉效果。

记住，这里的“字体”和“文字”都属于构图。 它不能作为一个层单独修改。

它更多的是一种审美而不是一种理解。

多种风格、主题和徽标，带来更多灵感。

风景>风景

> 风景

本节介绍如何在无数图像上实现神经网络训练的完美结果。 在这种情况下，视图几乎是完美的。 或者也许是我们的感知——与其他动机相比，我们的大脑在自然意象上也受到了更好的训练。 因此，我们没有意识到现有的故障或视觉错误，因为我们的感知忽略了不必要的元素。

您已经知道函数是如何工作的：

· 随机：浏览随机生成的风景图像。

· 混合图像穿越现有景观并生成全新的视觉效果。

就像在专辑中一样 - 在这里你必须尝试、混合、修改。 景观存在（至少还没有）真正的“基因”，但通过参数的随机化，您可以生成出色的示例：

动画片

与肖像画非常相似——结果是压倒性的。 再说一次，这就像一个梦的可视化，你甚至可以看到或暂停视频，这并不能帮助你更好地识别意识。

这是常规动画的示例：

对静态图像生成的一个很好的补充。 选择关键帧（现有肖像）——人工智能将以一种几乎神奇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。

> 图 8.（关键帧）

这一系列关键帧产生了令人着迷的图像：

您会注意到关键帧之间的各种样式过渡 - 这是令人着迷的。

发展路径

Joel Simon 是 Artbreeder 背后的英雄。 但 Artbreeder Discord 服务器中也有人讨论、交流想法，就如何采用最佳用户体验提出建议，了解最新的人工智能成就，讨论服务条款和隐私，并分享最新的 Artbreeder 生成的作品。 优秀的团队精神。

Artbreeder 的开发非常活跃 - 因为 Joel 对用户的想法和修正做出了快速反应。

迄今为止我使用过的数字产品的最佳用户体验。

这就是为什么 Artbreeder 可能会在本文发布后的第二天获得新功能或更改其界面。 你在等什么？ 潜入并加入 Artbreeder。

最近，Joel 扩大了选择范围，纳入了传奇人物 Gwern 的动漫肖像（动漫模型）（也可访问 ThisWaifuDoesNotExist.com 上的 Gwern 项目）。

> Gwern 的动漫模型

用法？

事实上，哪些用例与 Artbreeder 生成图像相关？ 您如何应用结果？

以下是一些尝试：

·概念设计思路

· 角色设计（适用于视频游戏、桌面游戏、自发的 D&D 角色生成？）

· 艺术项目（图像和视频装置）

·灵感

...仅举一些有趣的用途。

您对于应用肖像生成还有其他想法吗？

创造！ 实验！ 得到启发！

你的炼金术士。

> 炼金术士。 由 Merzmensch 与 Artbreeder 共同生成。

更新。 我发现一篇关于 GAN 的标题类似的精彩文章，由 Libre AI 联合创始人兼首席执行官 Ernesto Diaz-Aviles 博士一年前发表，内容是关于帮助 AI/ML 这是一次有趣的尝试，画一只羊。 免责声明：这可能是安东尼·德·圣埃克苏佩里和菲利普·K·迪克的结合体，是我们理解创造力和人工智能的典型代表。 所以我没有复制标题，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：）