用这个网站,我把川普变成了印度人.

2020年06月03日 01:01 差评

有的时候,捏脸往往比游戏本身还让人上瘾,玩起 RPG 来,捏脸两小时,游戏五分钟。甚至有些游戏就是以捏脸的自由度高才火起来的。话说,不会真有人有脸不捏,反而去玩游戏吧?不会吧?不会吧?

某网游捏脸效果▼

今天要介绍的网站 Artbreeder 和捏脸游戏就有些类似,可以对真人照片进行捏脸般的操作,让人上瘾无比。

网站盘起来并不难,在浏览器地址栏输入 www.artbreeder.com 就可以进入网站。

在首页众多的图片中,有大量的图片供我们选择。

世超找到的是什么都懂,有懂王之称的川普的照片,先看效果,原图是这样的:

选中图片之后,点击图片右侧 Edit- Genes ( 编辑基因 )按钮,就会出现许多和下图一样的 “ 魔改 “ 选项。

把网站上的 Indian ( 印度人 )数值拉到预设的最大值 2 ,接下来就是见证奇迹的时刻!

得到了印度版的川普。

随后把 Mouthopen ( 张嘴 )也设置成 2 ,我们就得到了微笑版印度川普。

再来试试其他的效果。世超选了一张漂亮小姐姐的图片,原图是这样的:

在菜单中把 Middle-Eastern ( 中东的 )的数值设成 2 之后,我们就得到了一个有中东风味的漂亮姐姐。

再把Latino-Hispanic ( 拉丁美洲的 )改成 1.5 ,一个拉美美女就出现啦!

其实理论上网站并没有设最大值,只是把任意数值拉得更高,画面就有点莫名其妙了,这种画面。。。我们碳基生物应该很难理解吧,就很。。。抽象。。。

在这个菜单中,还有很多其他选项的数值可以修改,世超在这里就不一一示范了,大家可以自行探索。

但仅仅只有这些效果?什么?就这?当然不可能就这!

Artbreeder 还提供肖像合成功能,可以结合两张或两张以上肖像的特点,生成一幅全新的肖像。

操作步骤和之前有些不同,进入网站之后,点击首页右上角的 create ,选择一个你想创作的主题,在这里,世超选择了 Anime Portraits ( 动漫肖像 )。

害,谁还不是个老二次元呢?

选择 Mix Image ( 混合图片 ),然后你可以选择两张及以上的图片进行混合。

选中之后,结果就会自动生成。看看下面这图,效果还不赖吧!

网上也已经有画师使用它做初步的作品处理了。

除了动漫人物,人像图片也是可以操作的。世超试着在主页选了一张艾玛的图片,然后点击 Crossbread ( 杂交 ),再点击 Select an image ( 选择图片 ),之后随意选择了一张黑人女性的图片,网站自动就会把两张图片融合,效果如下:

网站也支持用户本地上传图片,但免费用户一共只有五次上传次数。

我们上传了香蕉君和精神领袖窃格瓦拉的照片,结合之后就得到了图中的效果。

不过上传的图片有一定的概率变形,比如图中的窃格瓦拉,顶部就冒出了灵魂形态的偷车贼。

在这些 AI 生成的图片中,受欢迎的作品会留在首页的 Trending ( 趋势 )的条目之下,更有机会被后来的用户继续创作。

任意点开首页一张图片,查看树状图,就可以看到这张图的融合记录。以首页 Trending 排行第一的这张艾玛为例,这张图片混合了相当多其他人物的特点。图片像进化一样变成了现在的模样,给了世超一种生物课本的既视感。

breeder 的意思是饲养者、繁育者,而 Artbreeder 这个网站也很像是一个进化池,用户所上传的每张图都会融入这个池子里,通过用户的投喂和算法的学习进化,不断繁育新的作品出来。

是不是有点像人类进化的感觉,爷生父、父生子、子生孙,最后形成了我们现在看到的图片,在这里你可以让图片随意地 Crossbread ( 杂交 )。

像是一个人人都可以参加的创作接力,你怀着好玩的心态在网站上随意做了张图,几个月后,你那张图的 “ 基因 ” ,就可能已经融入了 Artbreeder 的无数张图里。

这些好玩的功能具体是如何实现的呢?

这一切主要归功于一个名为 GAN 的技术, GAN 全名Generative Adversarial Networks( 生成式对抗网络 ),这是一种深度学习模型, ArtBreeder 使用的是这几年最火的 BigGan 技术,被称为最好的 GAN 模型之一。

GAN 算法图解▼

简单的说, BigGAN 是个不折不扣的学霸,通过巨量且长时间的学习、计算、统计、分类、筛选、总结,算法本身已经可以初步判断出人、树木、高楼等等。也可以判断出人的喜悦、愤怒等简单情绪。甚至可以自动生成一些现实中从未出现过的画面。

BigGAN 自动生成的图片▼

但人工智能也不是没短板。

在 Artbreeder 网站上实际操作时,经常会出现一些诡异的抽风状况。比如出现奇奇怪怪的重影,或者记数上出现问题等,比如下图中火车图像的错位。

还有下图中建筑的重影。

这些 Bug 形成的原因是什么呢?

原来啊,GAN 生成图片的过程大致可以分成两步:A 生成图片,然后 B 打分。B 打的分越高,说明这个图片越真实,A 就会继续生成类似的图片,这个过程不断重复,从而生成了最后的图片。

如果 A 生成的图片并不真实,但 B 却给了高分, A 就会生成更加离谱的图片, B 给的分数也会更高,这个自我欺骗的循环就会一直下去。最后输出一些如上图一样不明所以的图片。

GAN 的训练过程▼

在一些复杂的图中,这些 bug 还很难避免,目前网站和算法也还在不断完善的阶段,网上也有很多画师认为这个网站目前实验性大于实用性,希望它未来能发挥更大的实用价值吧。

如果差友们有兴趣的话,可以去它的官网看看。

网址:https : //www.artbreeder.com

分享
相关阅读

评论(0个评论)

写评论

Noavatar small

评论需要登录。 登录 注册