怎樣用GAN生成各種胖吉貓？谷歌大腦程序猿教你好用的撩妹技巧

怎樣用GAN生成各種胖吉貓？谷歌大腦程序猿教你好用的撩妹技巧

來自專欄 量子位

圓栗子 編譯整理

量子位 報道 | 公眾號 QbitAI

?如果，AI可以幫你生成一些貓，很萌的那種，但是不能吸，你會做何感想？

Facebook聊天框里出道的灰色短毛貓Pusheen，是柔軟的微胖界寵兒，中文名字叫胖吉。

一個來自谷歌大腦的程序猿說，他和他妹子都很喜歡這隻胖子。於是，他有了用AI幫妹子生出很多很多小吉 (的圖片) 的想法。 ?

當然，並不只是想想而已。

一切從這裡BEGAN

生成對抗網路 (GAN) 是精分的AI，由兩個神經網路組成，一是生成模型 (Generator) ，即畫師，二是判別模型 (Discriminator) ，即鑒賞家。縮略為G和D。

人類要用大量的圖像來餵養GAN，培養兩個神經網路的藝術細菌。

然後，G可以在熏陶之下，模仿著畫出自己的作品，讓D以為那就是人類投喂的畫；而D漸漸了解自己吃過的畫是什麼味道，就能辨別哪些圖是G畫的。

相愛相殺的日子裡，兩者技能都會得到有效提升。G的畫功越來越像人類，D也越來越難騙。

不過，技術宅支配的不是普通的GAN，而是名為BEGAN的新朋友。

它的判別模型是自編碼器 (AutoEncoder) 結構，即D的輸入是圖像，輸出是編碼解碼後的圖像;生成模型則借鑒了WGAN的損失函數。

不過，GAN的一生閱片無數，通常需要餵食幾萬乃至幾百萬張圖像，才能茁壯成長。

可惜的是，雖然貴為表情包，胖吉也沒有很多照片的。

於是，機智的少年加了一個 (並不厲害的) 小特技，一幅圖翻過來掉過去，或放大或縮小，或背景變白，就變出了很多訓練素材。不過，畢竟原始圖庫幾百張，擴充之後可能還是有些乾癟。

我有特別的模仿技巧

既然胖吉的姿勢不多，場景也不多，技術宅當時就沒有太大的幻想。他抱著養死也沒事的一顆寬廣的心，開始訓練BEGAN。

訓練過程中，D的目標是讓判別錯誤越少越好；G的目標，是讓D錯得越多越好。具體來說——

一張圖片相當於一個數據x，D對它編碼解碼後得到圖像D(x)。

z是一串隨機數組成的向量 (Latent Vector) ，G根據它來生成的圖可表示為g(z)，D對它編碼解碼後得到圖像D(g(z))。

△ 我說的模仿，不是cosplay

隨著訓練的進行，G的模仿能力越來越強，D(g(z))會越來越接近D(x)的分布。

不過，BEGAN在對比D(g(z))和D(x)之間差異的時候，用的損失函數 (Loss Function) 有些不一樣。

讓G作品的重構誤差 (Reconstruction Error) 分布，去逼近人類作品的重構誤差分布——BEGAN的損失函數使用的是這兩者之間的差異。Wasserstein距離，可以把這個差異轉換為真實的差異。

可能有驚喜的play

技術宅用3個數字組成的向量，來表示圖片。他還給吃瓜黨提供了自己調整向量的play——

每個角上的圖像都可以自行設定，作為起點。從四角出發，生成的其他圖，便是灰貓的漸變修養。

這個過程里，多多少少會有可愛的新胖吉出現。當然，生成效果並沒有那麼完美，畸形貓和看不出喵型的圖像也理直氣壯地存在。

程序猿友情提示，如果想少看一些畸形貓，就盡量把數字調小一些。數大了之後，容易有斑斕的色彩傾瀉出來，讓你忘了畫貓的初衷。

不過那樣的話，貓的樣子也很難有豐富的變化，可能會比較單調。

不想費力調向量的話，就點下一鍵生成按鈕 (如上圖) ，看到比漸變過程更隨機的貓陣。

為了能讓瀏覽器對面的大家感受到貓陣的厲害，程序猿還特意用TensorFlow.js重寫了程序 (怕不是想增加撒狗糧的力度吧) 。

在少年提供的三個模型里，我喜歡Model 2的效果，筆觸比較圓潤，配色似乎也可愛一些。

技術要領探討一下

從WGAN那裡借來的損失函數，幫BEGAN保證了兩個模型的勢均力敵，D和G想要贏對方都不那麼容易。

程序猿說，不久以後就會公布自己生成胖吉用的代碼，但在那之前他想先給大家劃個重點。此次實驗過程中發揮最好的結構和超參數如下——

· 激活函數用了帶泄露整流函數 (leaky ReLU) ，alpha=2

· 批量歸一化

· G，步長為1的卷積層之後，近鄰 (Nearest Neighbor) 演算法縮放圖像兩次

· D，步長為1的卷積層之後，2 x 2窗口的平均池化 (Average Pooling)

· D，每層32或64個過濾器

· G，開始每層32或64個過濾器，後面依次翻倍 (e.g, 32,32,32,64,64,64,128,128,128…)

· 100維的潛在空間

· 學習率e-4或5e-4或e-3

https://www.zhihu.com/video/980841898902208512

視頻是訓練過程，可以看到AI一開始畫的圖很簡單，灰疙瘩而已。後面元素就慢慢多起來了，耳朵、尾巴、五官，甚至還有吃的和玩的。

不過，少年也說了，有些模型mode collapse的跡象比較明顯，作品沒什麼新意。他覺得一部分原因可能是，用略顯稚嫩的方法擴充的數據集，掩飾不住匱乏的本質。BEGAN從小就沒吃飽吧。

再有，在模型取捨上，是選單調但能生產完整胖吉的模型，還是選天馬行空多姿多彩但日常畫出畸形貓的模型？當事人還是傾向於後者。

如果這都不算愛

少年果然有雙發現美的眼睛，給自家AI的作品 (強行) 劃歸了多個不同的系列。

比如，戲水吉。

比如，玩火吉。

比如，綠林吉。

比如，飛天吉。

比如，連體吉。

另外，程序猿還做了加減play，他說雖然效果不太明顯，但結果還是合理的。你看——

友好解讀是，吃taco的左歪貓 - 左歪貓 + 被繩牽著的右歪貓 = 吃小taco且被繩牽著的右歪貓。

好吧，我信了。

比起BEGAN論文里生成人臉的整容技能，胖吉的舉一反三可能只是小打小鬧。

但不管怎麼看，這也是表情包和TensorFlow.js的正確打開方式了，至少可以讓妹子開心啊。

回頭想想那個要舉著手機、在辦公室里到處尋覓表情包本體的遊戲，不被當成紳 (hen) 士 (tai) 也很難啊。

沒有對比就沒有傷害。所以，傳送門也要放在一起。

這是胖吉變變變試玩地址：

http://zna.do/pusheen

這是尋找表情包試玩地址：

https://emojiscavengerhunt.withgoogle.com/

P.S. 程序猿的名字叫Zachary Nado，進入谷歌大腦之前，他還在發射成癮的SpaceX工作過。那麼，為什麼要在結尾多介紹一次呢？因為小捲毛還是有點可愛。

— 完 —

歡迎大家關注我們的專欄：量子位 - 知乎專欄

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

量子位 QbitAI · 頭條號簽約作者

?? ? 追蹤AI技術和產品新動態

推薦閱讀：