会员服务 ·

[ICCV2019] LearningToPaint：一个绘画 AI

2019 年 8 月 16 日 GAN生成式对抗网络

来源：极市平台

Demo: YouTube

Arxiv: https://arxiv.org/abs/1903.04411

Github: hzwer/LearningToPaint （Colaboratory在线尝试）

如何让机器像画家一样，用寥寥数笔创造出迷人的画作？使用深度强化学习方法，我们让 AI 学会用数百个笔画重现纹理丰富的自然图像，AI 的训练过程不需要人类绘画的经验或笔画轨迹数据。

以人脸 (CelebA) 为例，需要一张 GPU，10 小时训练笔画渲染器，40 小时训练 AI，其间 AI 画了数百万张图片来学习。

下面是我们的 AI 画不同类型的图片的效果，我们的 AI 最终学会了先画出大致轮廓，再填充细节的策略。

泛化的效果也不错，如果再把图片放大分块修一下细节，视觉效果会更好

介绍

小时候学素描，我觉得老师的水平非常高，因为他们能把静物和人都画的非常像。后来，我在网上看到一些画家的作品，比如丢勒（德国画家），早期的毕加索，才明白了一点什么叫做大师的素描。他们的画非常干净，线条表现力极强，用非常少的笔画数，非常简单的调子，构建出生动的形象。这是一般绘画爱好者花多少时间也难以模仿的，需要对事物结构的深刻理解，对画笔的控制能力和对笔画相互关系的极强把握。

计算机中，一张图片由 n x n 个像素点组成，每个点由 RGB 三个值确定颜色。从这个意义上来说，让计算机临摹一张画，最简单的方法就是逐个像素填充。而人在画画的时候，是用笔画去构建一张图片的。如何让计算机像人一样绘画？这是我在接触深度学习不久后就十分感兴趣的问题。

从强化学习的角度看，我们需要设计一个 AI，给它一个画布和目标图。AI 的每一步在画布上画一个笔画，当它画的笔画使画布和目标图更像时，我们就给它奖励，驱动它学习。我们可以设定一个笔画上限，让 AI 在给定的笔画数后终止。

AI 绘画的流程

任务的困难

每一个笔画的动作空间很大，AI 要决策一个笔画的位置，形状，颜色，透明度，而每项参数都有非常多选择。如果我们强行将动作离散化，会损失控制的精度，同时还会面临组合爆炸的问题（每项参数选择数乘法原理）。一般的强化学习方法要求 AI 通过大量尝试来对环境进行建模，这是非常困难和耗时的。有兴趣的朋友可以了解一下 Deepmind 的 SPIRAL，使用了大量算力去解这个问题。
如果我们真的将 AI 接入一个绘画软件，笔画渲染是一个很耗时的操作，数据的获取会比较昂贵。
想要完成纹理丰富的自然图像绘画，需要的笔画数很多，这需要 AI 有比较强的计划能力。AI 需要考虑如何组合笔画，笔画的覆盖关系等。

算法

我们的基准算法是深度确定策略梯度 (DDPG) 算法，简单来说，DDPG 运用了演员-评论家（Actor - Critic) 框架，是一种是策略梯度算法和值函数方法的混合算法，其中策略网络被称为 Actor，而价值网络被称为 Critic。在画画这个任务中，Actor 每次画一个笔画，而 Critic 来为 Actor 的这个笔画做一个评价，Actor 的目标是得到更好的评价，Critic 的目标是评价得更准确。DDPG 的优点是能够在连续的动作空间上作决策，也就是说，我们可以设计一个 k 维向量，其中每一维在 0 到 1 之间，来控制笔画的不同属性，比如控制笔画起点坐标，控制笔画终点坐标等。而且 DDPG 还能离线训练，即 AI 对环境的探索信息可以存储在一个缓冲区中，训练从其中采样，一个信息可以重复使用。

为了解决环境探索建模困难的问题，我们预训练了一个神经网络笔画渲染器，可以快速地根据笔画的参数给出渲染在画布上的笔画，支持在 GPU上并行。

DDPG 和 Model-based DDPG 的不同结构

神经网络笔画渲染器还可以接入到强化学习的框架中来辅助 AI 的训练。我们将 DDPG 改造成了一个基于模型 (Model-based) 的方法，显著提高了 AI 的训练速度和表现（如下图）。

训练技巧

动作束 (Action Bundle)。Actor 一次决策多个笔画，一方面，实验证明 Actor 有这样的能力，并且能显式地让 Actor 学习了笔画的组合；另一方面，减少网络的推断次数可以加速，步数减少还能加快 Critic 网络的收敛。实验证明，让 Actor 一次出 5 个笔画比较合适，一次出太多笔画会提高对 Actor 能力的要求。下图是 200 笔画人脸的训练曲线，分别一次出 1, 2, 5, 8 个笔画，纵坐标是 AI 结束绘画时画布和目标图的 L2 距离。

不同动作束设置的训练曲线

2. Wasserstein 生成对抗损失函数 (WGAN Loss)。我们需要度量画布和目标图的相似度以给出奖励函数，我们发现 WGAN Loss 是一种比欧几里得距离更好的度量，使得最后画出来的图细节更丰富。

3. 网络结构设计。Actor 和 Critic 是输入缩小版本的 ResNet-18。Batch Normalization (BN) 可以加快 Actor 训练，而在 Critic 上效果不明显。Critic 使用带 TReLu 激活函数的 Weight Normalization (WN with TReLu)。渲染器用 Sub-pixel 来代替反卷积显著消除棋盘效应。GAN 的判别器网络用了类似 PatchGAN 的结构，加上 WN with TReLu。我们的方法对于超参数也不太敏感，基本都使用了跟别人论文类似的超参数。具体细节见 paper。