风格移转是机器学习的一种算法, 利用VGG-19神经网络(Artificial Neural Network, ANN)替艺术作品的特征做上标记, 撷取出3~7层与15~17层的特征. 数字越往下, 代表的是艺术作品的笔触, 质感; 层次越高则是牵扯到构图, 光影与结构. 透过将影像拆解, 再利用人工智能重新建构起来成为另一种风格, 即为风格移转.
Prisma为娱乐应用大师
风格移转的应用实例之中, 最广为人知的便是手机App Prisma(图1). Prisma在iOS App Store上架首周, 便创下超过750万下载量, 是一款利用神经网络与人工智能技术, 为用户的照片加入各种艺术效果的相片编辑软件. 让用户可以将照片转换为各艺术大师的绘画风格.
图1 Prisma在iOS App Store上架首周, 便创下超过750万下载量, 是一款利用神经网络与人工智能技术, 为用户的照片加入各种艺术效果的相片编辑软件.
若以纯粹娱乐性质的应用而言, Prisma已经是个中翘楚. 然而, 人工智能风格移转其实技术门坎不高, 若有业者希望能够借重此技术完成别的应用, 在技术上来说是容易再现的. 但是对于许多企业来说, 还必须要进一步思考该如何找到盈利模式.
AI助商业设计更有效率
目前, 中国有许多厂商积极开发实时的风格移转功能, 让视讯能够有更多乐趣. Prisma亦在官方网站上公开征求各界B2B合作. 除了将日常生活照片转换为大师风格之外, 也有许多领域在积极尝试使用风格移转技术. 我们团队目前亦与广告公司合作, 希望能够将风格移转技术与商业设计结合.
举例而言, 假设有一间饮料公司希望能够和知名动画合作联名, 推出一系列动画主题的饮料瓶身, 这时候便能运用风格移转实现. 人工智能能够透过分层演算, 分辨出动画主题的特征, 风格, 接着将风格注入到瓶子的外型之中. 如此便能够以非常快的时间产出大量的设计组合.
然而, 由于人工智能虽然能够将风格拆解分析, 却没有美感概念. 因此, 将风格移转运用在商业设计时, 依然无法脱离人脑的美感判断, 最后还是必须请设计师做最后调整. 人工智能虽无法取代人脑, 但是能够以非常快的速度产出多种设计组合, 进一步辅助人的工作. 在未来, 许多行业都会出现类似的变化.
影片内容成本降低 AR/VR将更普及
若再近一步将「风格」的概念扩大, 「清晰」也能够是一种风格的展现. 风格移转的运算概念也能运用在让图片无限放大而不失真, 透过风格移转技术让照片不再受到像素的局限. 另外, 风格移转技术也能让人工智能自动将2D影片转换为3D视觉, 因此, 在未来扩充实境/虚拟现实(AR/VR)所的影片内容也会越来越便宜. 在AR/VR影像能够以成本更低的解决方案完成之后, 又能再进一步回过头来帮助更多应用实现.
例如, 日前微软(Microsoft)与化妆品品牌合作, 开发妆容移转的App, 用户能够在视频会议时选择自己要呈现的妆容. 由于这会牵涉到人脸的角度感测, 因此算是一项很精密的风格移转应用. 亦有厂商开发仿真试穿技术, 并且主要都是以AR/VR的方式来做, 成本非常高昂. 在未来, 由于人工智能的发展, 便能够以非常低的成本拍摄影片, 再用风格移转的方式创造3D效果与清晰的影像, 快速制作AR/VR所需的影像内容.