欧美奶涨边摸边做爰视频 ,做爰视频试看30分钟,欧美性XXXX狂欢老少配,中文字幕精品一区二区2021年

摘要： 從藝術(shù)的角度來(lái)講，神經(jīng)網(wǎng)絡(luò)遷移只不過(guò)是另一種“印刷術(shù)”，過(guò)去的印刷術(shù)是在復(fù)制圖像，而神經(jīng)網(wǎng)絡(luò)遷移是在復(fù)制風(fēng)格。

神經(jīng)風(fēng)格遷移算法學(xué)作畫(huà)，人類(lèi)會(huì)在藝術(shù)領(lǐng)域敗給人工智能嗎？        

隨著人工智能越來(lái)越全能，TA們似乎已經(jīng)能接替我們完成一切工作，或許未來(lái)真的像某位大佬說(shuō)的一樣，人類(lèi)只負(fù)責(zé)研究藝術(shù)和哲學(xué)。

不過(guò)目前看來(lái)，藝術(shù)這塊陣地也快要失守了。

神經(jīng)風(fēng)格遷移算法學(xué)作畫(huà)，人類(lèi)會(huì)在藝術(shù)領(lǐng)域敗給人工智能嗎？        

用過(guò)Prisma的應(yīng)該都知道，把照片變成名畫(huà)風(fēng)格如今只是動(dòng)動(dòng)手指的事情。事實(shí)上，只要有一兩張樣本，神經(jīng)網(wǎng)絡(luò)可以迅速的學(xué)會(huì)各種風(fēng)格，這種技術(shù)被稱(chēng)為“神經(jīng)風(fēng)格遷移”。

如何實(shí)現(xiàn)神經(jīng)風(fēng)格遷移？

卷積神經(jīng)網(wǎng)絡(luò)將圖像分割為“內(nèi)容”和“風(fēng)格”，在抓取時(shí)，高層神經(jīng)網(wǎng)絡(luò)抓取了圖片的風(fēng)格，比如色彩和排列。而底層神經(jīng)網(wǎng)絡(luò)抓取的則是圖像的內(nèi)容，也就是圖像的細(xì)節(jié)。

這只是神經(jīng)風(fēng)格遷移的第一步，在抓取了風(fēng)格之后，還要將風(fēng)格迭代到需要改變的圖片上。

風(fēng)格迭代通常有兩種方式，一種基于圖片，直接更新迭代圖片像素，最終實(shí)現(xiàn)風(fēng)格的遷移。很多算法會(huì)在過(guò)程中計(jì)算最大均值差，測(cè)量風(fēng)格圖像和內(nèi)容圖像之間的差異。讓兩種圖像“對(duì)齊”，從而減少圖像迭代時(shí)造成的損失和誤差。

另一種則是基于模型迭代的，當(dāng)需要用某一種風(fēng)格迭代大量圖像時(shí)，可以訓(xùn)練前饋網(wǎng)絡(luò)，使用梯度下降，通過(guò)迭代式地更新模型來(lái)優(yōu)化網(wǎng)絡(luò)模型。

神經(jīng)風(fēng)格遷移應(yīng)用，不僅僅是畫(huà)作

如果你認(rèn)為神經(jīng)風(fēng)格遷移只是一個(gè)升級(jí)版的photoshop濾鏡，那就大錯(cuò)特錯(cuò)了，很多案例表明，這一技術(shù)正在被應(yīng)用于越來(lái)越多的領(lǐng)域之上。

比如Flipboard軟件工程師曾經(jīng)發(fā)布過(guò)一個(gè)將神經(jīng)風(fēng)格遷移應(yīng)用在漢字字體上的項(xiàng)目。

神經(jīng)風(fēng)格遷移算法學(xué)作畫(huà)，人類(lèi)會(huì)在藝術(shù)領(lǐng)域敗給人工智能嗎？        

提供2000個(gè)左右的樣本字體，讓神經(jīng)網(wǎng)絡(luò)識(shí)別出偏旁部件和筆觸風(fēng)格的區(qū)別，最終就能實(shí)現(xiàn)出字體之間的轉(zhuǎn)化。

又比如在暮光之城女主角克里斯汀·斯圖爾特拍攝的電影《Come swim》中，也利用了神經(jīng)風(fēng)格遷移技術(shù)將印象派繪畫(huà)風(fēng)格和電影畫(huà)面相融合。就此，克里斯汀還寫(xiě)了一篇題為“運(yùn)用神經(jīng)風(fēng)格轉(zhuǎn)移實(shí)現(xiàn)印象派風(fēng)格之在電影“Come Swim”中的應(yīng)用”的論文。

神經(jīng)風(fēng)格遷移算法學(xué)作畫(huà)，人類(lèi)會(huì)在藝術(shù)領(lǐng)域敗給人工智能嗎？        

如上圖一樣，從畫(huà)作中提取風(fēng)格，再通過(guò)算法迭代渲染到畫(huà)面之上。不過(guò)在論文中基本沒(méi)有提到成本，尤其是時(shí)間成本問(wèn)題?！禖ome swim》中的情節(jié)是一半現(xiàn)實(shí)（未經(jīng)處理過(guò)的畫(huà)面）和一半夢(mèng)境（經(jīng)由神經(jīng)風(fēng)格遷移處理過(guò)的畫(huà)面）。從拍攝上來(lái)說(shuō)自然是直接渲染更加方便，如果是完全的動(dòng)畫(huà)電影，這種先拍攝再渲染的方式是否比直接電腦繪制更有性?xún)r(jià)比還值得商榷。

神經(jīng)風(fēng)格遷移真的能“替代”藝術(shù)嗎？

其實(shí)說(shuō)了這么多，多少有點(diǎn)聳人聽(tīng)聞的嫌疑。從藝術(shù)的角度來(lái)講，神經(jīng)網(wǎng)絡(luò)遷移只不過(guò)是另一種“印刷術(shù)”，過(guò)去的印刷術(shù)是在復(fù)制圖像，而神經(jīng)網(wǎng)絡(luò)遷移是在復(fù)制風(fēng)格。

而且神經(jīng)網(wǎng)絡(luò)遷移是沒(méi)有“創(chuàng)作”能力的，如果不給TA需迭代的圖像內(nèi)容，TA只能產(chǎn)出一些無(wú)意義的、混亂的像素點(diǎn)。雖然目前有人利用圖像語(yǔ)義布局技術(shù)讓AI創(chuàng)造出全新的畫(huà)面，但對(duì)于AI來(lái)說(shuō)，這只是一種模仿，在創(chuàng)造時(shí)沒(méi)有付諸情感，可能和我們定義中的藝術(shù)還有著不小的差距。

神經(jīng)風(fēng)格遷移算法學(xué)作畫(huà)，人類(lèi)會(huì)在藝術(shù)領(lǐng)域敗給人工智能嗎？        

（作畫(huà)機(jī)器人）

可神經(jīng)風(fēng)格遷移能做到的，卻是在藝術(shù)商業(yè)化過(guò)程中為人們節(jié)約大量的時(shí)間。

比如在字體項(xiàng)目中，藝術(shù)創(chuàng)作者只需創(chuàng)造少量字的字體，機(jī)器則負(fù)責(zé)完成剩下的工作。又比如以《Cool swim》為代表的影視后期工作，只需要幾張畫(huà)作確立風(fēng)格，就能完成對(duì)整部電影的渲染。

目前看來(lái)，神經(jīng)風(fēng)格遷移最適合應(yīng)用在動(dòng)畫(huà)產(chǎn)業(yè)上。比如新海誠(chéng)的作品，就是出了名的和實(shí)景高度相似，色彩風(fēng)格顯著。之前還有照片后期產(chǎn)品推出過(guò)新海誠(chéng)風(fēng)格的濾鏡，和風(fēng)景照結(jié)合，和動(dòng)畫(huà)中的畫(huà)面非常相似。而神經(jīng)網(wǎng)絡(luò)遷移，則可以更好的完成這項(xiàng)工作。包括對(duì)動(dòng)畫(huà)原稿的上色等等，都能極大的提高產(chǎn)業(yè)工作效率。

這也給藝術(shù)創(chuàng)作提出了一個(gè)全新的問(wèn)題，我們是否應(yīng)該為“風(fēng)格”設(shè)立所有權(quán)？畢竟利用神經(jīng)網(wǎng)絡(luò)遷移，人人都可以以假亂真的模仿梵高。如果一副畫(huà)作由我原創(chuàng)，卻經(jīng)由他人風(fēng)格迭代處理，那這幅畫(huà)的作者究竟應(yīng)該是我還是別人，又或者該屬于算法的開(kāi)發(fā)者？在模仿的成本極低時(shí)，又該如何為模仿和抄襲劃分界限？

當(dāng)然，這些都是后話?？萍嫉陌l(fā)展，除了為人類(lèi)生活帶來(lái)便利之外，還在不斷刷新著我們對(duì)各種事物的定義。像是一百年前我們認(rèn)為藝術(shù)只能誕生于畫(huà)布和顏料中，而如今數(shù)位板、Photoshop都是創(chuàng)造藝術(shù)的工具。人工智能不會(huì)從人類(lèi)手中奪走創(chuàng)作權(quán)，更不會(huì)“消滅”藝術(shù)，只會(huì)將這項(xiàng)美妙的事業(yè)帶上更高的境界。

（廈門(mén)網(wǎng)站建設(shè)文章來(lái)自百度新聞）