为什么有些画面让你终生难忘？GAN来告诉你原因

会员服务 ·

为什么有些画面让你终生难忘？GAN来告诉你原因

2019 年 11 月 8 日 量子位

十三发自凹非寺
量子位报道 | 公众号 QbitAI

GAN又做了件了不起的事。

提到达芬奇的《蒙娜丽莎》，那张神秘的微笑立即浮现脑海。

提到梵高的《星月夜》，那片迷幻的夜空也仿佛历历在目。

△上：《蒙娜丽莎》；下：《星月夜》

我们深知一张图片胜过千言万语，但到底为什么那些著名的画作即使很久没再看过，也能让人如此印象深刻呢？

或许你了解其中原理，但现在有一个更简单粗暴且直观的方法：

问问AI，让GAN给你模拟一个过程。

这个神奇的技术叫GANalyze，来自麻省理工学院(MIT)。

什么是GANalyze

简单来说，GANalyze就是一个使用生成模型来研究认知特性的框架。

认知特性可以包括记忆力、美学或者情感效价等。

MIT电气工程和计算机科学助理教授Phillip Isola说：

关于记忆性的文章有很多，但是这种方法可以让我们想象出什么是记忆性。

它为我们提供了一个难以用语言表达的视觉定义。

这项研究是建立在MemNet基础之上。简单来说，MemNet这个模型会对图像的可记忆性进行评级，并且还能强调图像中的哪些特征会对决策产生影响。

而GANalyze使用了GAN技术，在一张图像从“无人问津”到“印象深刻”的过程中，将其可视化。

量子位根据在线测试工具实验了一波，结果如下：

我们可以看到一个在竹林中较为模糊的熊猫，逐渐转变为特点鲜明的熊猫：黑色的眼睛、耳朵、爪子，和它白色的部分形成鲜明对比。

这个GAN有三个部分组成：

assesor(评估器)：基于MemNet，打开目标图像的记忆旋钮，并计算如何达到预期的效果；
transfomer(转换器)：执行指令；
generator(生成器)：输出最终的图像。

来看下这张汉堡变得令人印象深刻的过程：

从左至右的变化不禁让小编想起一句著名Rap：你看这个汉堡它又大又圆~

研究人员利用GANalyze在生成图像的过程中，详细的展示了让图像或场景脱颖而出的因素。

被试者记忆最深刻的图像具有以下特点：

· 具有明亮的颜色
· 背景简单
· 处于画面突出的中心位置

研究的合著者Lore Goetschalckx表示：

人类的大脑在进化过程中最关注这些特征，而这正是GAN所注意到的。

但最具美感的图像并不是最让人印象深刻的。

GitHub代码

这么有意思的项目当然已经在GitHub上开源：
https://github.com/LoreGoetschalckx/GANalyze

研究人员提供了Tensorflow和Pytorch实现。也通过下面的途径正式测试过：

PyTorch >= 0.4 (1.1.0) 和 torchvision >= 0.2.2 (0.3.0)
Tensorflow 1.12.0 和tensorflow_hub 0.1.1 (针对预训练过的BigGANs)
numpy, scipy, PIL

研究人员建议参考本地文档来获得更详细的安装说明。但是，如果是在Ubuntu的linux服务器上，以下命令可能就足够了：

# Tensorflow 1.12 with GPU support (highly recommended)
pip install tensorflow-gpu==1.12
# Tensorflow hub (for pretrained BigGAN modules)
pip install tensorflow_hub==0.1.1

# PyTorch and torchvision with latest version of cuda toolkit.
# Note: Anaconda is the recommended package manager for PyTorch.
conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

要clone这个repo，可以运行如下代码：

git clone https://github.com/LoreGoetschalckx/GANalyze.git
cd GANalyze

可以首先下载GANalyze项目页面上托管的预训练的generator和assesor。

也提供了用于下载Tensorflow或PyTorch模型的实用程序脚本，可以使用以下命令进行调用：

TensorFlow：

cd tensorflow; sh download_pretrained.sh

Pytorch：

cd pytorch; sh download_pretrained.sh

训练代码如下：

python train_tf.py \
 --generator_arch biggan --generator_model biggan256 \
 --assessor memnet \
 --transformer OneDirection None \
 --train_alpha_a -0.5 --train_alpha_b 0.5 \
 --gpu_id 0 --num_samples 400000 --checkpoint_resume 0

测试代码如下：

python test_tf.py \
--alpha 0.1 --test_truncation 1 \
--checkpoint_dir checkpoints/biggan__biggan256/memnet/OneDirection_None/<commit_hash> \
--checkpoint 400000 \
--gpu_id 0