131 1300 0010
我們看到了智能技術(shù)在影像辨識(shí)、偵測(cè)上的突破，甚至落地為產(chǎn)品。很多人問(wèn)，這些深度學(xué)習(xí)為核心的計(jì)算機(jī)視覺(jué)技術(shù)也可以具有人類的美感—具有評(píng)判、編修、甚至美學(xué)創(chuàng)作的能力嗎？
智能視覺(jué)美感技術(shù)大致可以區(qū)分為三類：首先為影像(或視訊)編修強(qiáng)化，包括修圖(對(duì)比、亮度、景深等)、超高分辨率成像、突破壓縮技術(shù)、改善電視顯像質(zhì)量、加速電影(內(nèi)容)特效制作、甚至主動(dòng)改善車(chē)輛安全駕駛在低亮度下的視訊質(zhì)量；其次為照片美學(xué)評(píng)分、取景，自動(dòng)挑選具美感的照片或是畫(huà)面；第三為自動(dòng)生成不存在的影像。而這些核心技術(shù)所啟發(fā)的應(yīng)用都已經(jīng)是進(jìn)行式，或是即將落地為產(chǎn)品。
相關(guān)技術(shù)大大改變數(shù)位內(nèi)容產(chǎn)業(yè)。梵谷油畫(huà)電影《梵谷：星夜之謎(Loving Vincent)》耗時(shí)6年，動(dòng)員超過(guò)百位來(lái)自世界各地的畫(huà)家才完成這個(gè)耗時(shí)、耗資的工作。目前已經(jīng)有軟件服務(wù)完成類似的功能，可以讓一般人自動(dòng)將影片轉(zhuǎn)換為特定畫(huà)家的風(fēng)格，透過(guò)畫(huà)家的經(jīng)典創(chuàng)作，讓卷積網(wǎng)絡(luò)(CNN)的數(shù)千萬(wàn)個(gè)參數(shù)，學(xué)習(xí)到影像轉(zhuǎn)換的方式，均衡風(fēng)格跟影片內(nèi)容。我們?cè)趦赡昵皡⑴c的IBM華生研究中心預(yù)告片自動(dòng)剪輯研究，也同樣帶來(lái)類似產(chǎn)業(yè)的突破。
一般的卷積網(wǎng)絡(luò)架構(gòu)為設(shè)計(jì)適合的編碼器以及相對(duì)的譯碼器；前者將畫(huà)面內(nèi)容解析之后，透過(guò)后者生成適切的影像(強(qiáng)化或是編修)，大量的卷積網(wǎng)絡(luò)參數(shù)透過(guò)事前的訓(xùn)練數(shù)據(jù)來(lái)達(dá)成目的。而時(shí)常被忽略的是適合的目標(biāo)函數(shù)，通常得同時(shí)使用多個(gè)，并將領(lǐng)域知識(shí)吸納其中，這是成功與否的重要關(guān)鍵！
在美學(xué)評(píng)分方面，一般利用卷積網(wǎng)絡(luò)加上回歸函式來(lái)逼近美感分?jǐn)?shù)。最大的挑戰(zhàn)在于訓(xùn)練的數(shù)據(jù)。因?yàn)閲?yán)謹(jǐn)?shù)拿栏袪可娴轿幕?、社?huì)、以及個(gè)人的差異，可以取得的訓(xùn)練數(shù)據(jù)─不管是透過(guò)人工標(biāo)注或是社群網(wǎng)絡(luò)下載—不全具代表性，很難學(xué)習(xí)到通用的美感。不過(guò)在特定家用照片上，透過(guò)自動(dòng)評(píng)分，甚至修正照片(旋轉(zhuǎn)、取景、飽和度等)等都已經(jīng)落地在國(guó)內(nèi)外的各種應(yīng)用當(dāng)中。如果能進(jìn)一步熟悉應(yīng)用場(chǎng)域，個(gè)人化適性學(xué)習(xí)，將有更大發(fā)揮的空間。
最具挑戰(zhàn)的是從無(wú)到有生成具美感的影像，一般都嘗試?yán)蒙蓪?duì)抗網(wǎng)絡(luò)(GAN)來(lái)實(shí)現(xiàn)，但是目前在速度、分辨率、生成質(zhì)量控制上都還有相當(dāng)努力的空間。
值得產(chǎn)業(yè)注意的是，我們觀察到這些視覺(jué)美感智能突破也逐漸由云端走入本地端。相機(jī)、攝影機(jī)、電視等相關(guān)芯片都已經(jīng)看到國(guó)內(nèi)外的公司正逐漸布局。因?yàn)樘峁┚呙栏械纳铙w驗(yàn)，不正也是智能時(shí)代的新產(chǎn)品嗎？
