Adobe也玩“PPAP”，两图合并带来新风格：乐动·LDSports(中国)体育官网

按：是不是想要过，为什么你摄制的照片总有一天不如专业摄影师那样抢眼？只不过在你看到的地方隐蔽着大量的后期处置。如今，计算机科学家期望让业余摄影师也需要轻而易举地取得某种程度精彩的照片，而不必须再行花费大量时间来展开PS。日前，软件公司Adobe和康奈尔大学合作，利用深度自学来对图片展开后期制作和颜色调校。

这只不过是一种图像风格迁入技术，它需要将一张照片的美学风格自动套用到另一张几乎有所不同的照片中，还包括光线、颜色和色调。此外，该技术并会转变照片的结构，因而会产生杂讯现象，处置后的照片看上去依然十分大自然。

如下图右图：虽然这样的图像处理算法并不是什么新的东西，但是此前结果往往不会让照片呈现画像那样不真实感：比如细节遗失、直线倾斜变形，颜色大范围的变化等等。因此这些图像一般来说还必须更进一步处置，缺失里面的错误。然而，这个研究团队的目标是——让改变过程需要一步到位，仍然必须手动调整，因此最后他们搭配了神经网络特深度自学。神经网络和深度自学是人工智能领域经常被提到的专用术语，要构建自动继续执行图像风格迁入，这两种技术是十分基本的。

想专门教会软件辨识并处置地球上的每种物体是不有可能的，但是通过对成千上万个样本大大展开修正 ，然后对其结果展开对系统，随着时间的流逝，算法将通过大大的自我徵参来取得更佳的结果。最后，不必须教会算法什么是建筑物或者建筑物是什么样子，它就能自己告诉天空经常出现的颜色不应当应用于到人造的建筑物上。

这种算法意味着不会对图像的颜色和色调展开调整，因此它需要保有细节，而会产生线条变形等副作用。那么，究竟是如何构建图像间的风格迁入的呢？这个研究团队在论文“Deep Photo Style Transfer”中 做到了详尽讲解，感兴趣的可以读者原文。

对该论文做到了摘编：首先必须两张图像：一张普通图像作为输出（input），以及一张早已标记过风格化图像作为参照（reference）。然后通过神经风格算法（Neural Style algorithm）将参照图像的风格迁入到输出图像中去，最后取得处置过后的图像（output）。

此外，该团队还为神经风格算法中引进了两个核心思想（core ideas）：在优化过程中，在目标函数中重新加入了一项“照片现实正则化”参数（a photorealism regularization term），约束修复图像，避免产生杂讯。为基于对输出图像展开语义拆分的风格移往过程引进了指导选项（optional guidance），防止内容不给定的问题，大大提高了输入图片的真实感。

当然，结果并不总是极致的，比如下面这个将雪景转化成热带山谷的例子，最后取得照片整体看上去并不细致。但是研究人员找到，这个算法在80%左右的时间里都是十分有效地的，需要任何后期手动调整。最后，这个功能可能会被重制到Photoshop或者其他的图像处理程序中去。

比如说一下，如果客户拒绝某张照片的夜间版本，那么摄影师可以利用它来较慢改动照片，而不必须再行花费一个小时的时间在Photoshop中手动调整。就算你连业余摄影师也算不上，最少它可以让你朋友圈的照片显得更为有意思。

via. gizmodo，(公众号：)编译器【聘用】坚决在人工智能、无人驾驶、VR/AR、Fintech、未来医疗等领域第一时间获取海外科技动态与资讯。我们必须若干注目国际新闻、具备一定的科技新闻选题能力，翻译成及写作能力优良的伸长编辑重新加入。履历投递至 wudexin@leiphone.com，工作地 北京。

版权文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：乐动·LDSports(中国)体育官网-www.163100.com