现在的人工智能这四个字可以说是随处可见，但大多数人还是可能觉得，离我甚远，跟普通人没多大关系。但实际上，AI突飞猛进，正在脱离实验室，进入了日常生活。仅仅是现在的技术水平，就足以模糊现实与虚拟的界限，颠覆一般民众的认知。
一、图像处理
人工智能最早是从图像处理开始的。图像处理事一种常见任务，智能要求比较高，需要使用Photoshop之类的软件人工编辑，一般都算法解决不了。
1.1对象补全
2017年，日本科学家提出了一种图像的对象补全模型。经过训练，模型可以补全图片上缺失的部分。
1.2背景处理
背景处理指的是，将前景物体从图片分离出来，再对背景进行加工。目前，已经有很好的智能算法可以去除图片背景。
1.3样式转换
人工智能还能够识别图片的风格样式(即像素的变化规律)，将其套用在另一张图片。
1.4图像着色
一旦识别出图片中的物体，模型就可以统计不同物体的像素颜色规律，然后就能推断黑白照片可能的颜色，从而实现照片着色。
二、GAN方法
2.1简介
GAN是"生成对抗网络(Generative)"的缩写，它是一种革命性的提升人工智能模型效果、生成虚拟图像的方法。
原理很简单，就是两个神经网络互相对抗。一个神经网络负责生成虚拟图像，另一个神经网络负责鉴定假图像。理论上，如果GAN训练成功，那么生成的假图像与真图像将无法区分。2014年 这种方法提出以后，快速发展，目前效果可以乱真。
GAN不仅能生成虚拟图像，还能生成音频、文本，甚至是化合物分子。AI模型可能创造出来的任何东西，都能使用GAN提升效果。GitHub有一个仓库，专门收集不同用途的GAN，目前已经有了500多种。
2.2StyleGAN
目前，生成虚拟人像效果最好的模型是Nvidia公司的StyleGAN。
2.3图像翻译
一种图像通过GAN转变为另一个图像，称为图像翻译。空拍照片变成地图、黑白照片变成彩色照片，都是图像翻译的例子。
pix2pix是图像翻译的开源工具，它可以让黑夜变成白天，示意图变成实物图。
图像翻译的难点在于，它需要有成对的示例(源图像和相应的目标图像)，告诉模型应该怎么翻译，这些示例可能是很难创建。但是反过来，只要有配对的示例，就可以翻译图像，不管这种翻译是否合理。
CycleGAN模型还支持跨域翻译，将照片翻译成油画，斑马翻译成马。
网友评论