- 計算機(jī)視覺開始一門新興人工智能

就在六月初，荷蘭科學(xué)家在arXiv上發(fā)布了他們的最新研究成果[4]——通過深度網(wǎng)絡(luò)對人臉輪廓圖進(jìn)行「復(fù)原」。如下圖所示， 在模型訓(xùn)練階段，首先對真實的人臉圖像利用傳統(tǒng)的線下邊緣化方法獲得對應(yīng)人臉的輪廓圖，并以原圖和輪廓圖組成的“圖像對”作為深度網(wǎng)絡(luò)的輸入，進(jìn)行類似超分辨率重建的模型訓(xùn)練。在預(yù)測階段，輸入為人臉輪廓（左二sketch），經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)的層層抽象和后續(xù)的“還原”可以逐步把相片般的人臉圖像復(fù)原出來（右一），與最左邊的人臉真實圖像對比，足夠以假亂真。在模型流程圖下還另外展示了一些人像復(fù)原的結(jié)果，左側(cè)一列為真實人像，中間列為畫家手工描繪的人臉輪廓圖，并以此作為網(wǎng)絡(luò)輸入進(jìn)行人像復(fù)原，最終得到右側(cè)一列的復(fù)原結(jié)果——目測以后刑偵警察再也不用苦練美術(shù)了。

結(jié)語

如今借著「深度學(xué)習(xí)」的東風(fēng)，計算機(jī)視覺中絕大多數(shù)任務(wù)的performance都被“刷”上了新高，甚至連“人像復(fù)原”，“圖像生成”類似「無中生有」的“奇談”都能以較高質(zhì)量地實現(xiàn)，著實讓人們激動不已。不過盡管如此，事實上距離所謂的顛覆人類的AI“奇點”還相當(dāng)遙遠(yuǎn)，并且可以預(yù)見，現(xiàn)階段甚至相當(dāng)長的一段時間內(nèi)，計算機(jī)視覺或人工智能還不可能做到真正意義上的「無中生有」，即“自我開創(chuàng)”或稱為“自我意識”。

然而，也非常慶幸我們可以目睹并且親身經(jīng)歷這次計算機(jī)視覺乃至是整個人工智能的革命浪潮，相信今后一定還會有更多「無中生有」般的奇跡發(fā)生。此刻，我們站在浪潮之巔，因此我們興奮不已、徹夜難眠。

References:

[1] Chao Dong, Chen Change Loy, Kaiming He, Xiaoou Tang.?Image Super-Resolution Using Deep Convolutional Networks,?IEEE Transactions on Pattern Analysis and Machine Intelligence, Preprint, 2015.（）

[2] Satoshi Iizuka, Edgar Simo-Serra, and Hiroshi Ishikawa.?Let there be Color!: Joint End-to-end Learning of Global and Local Image Priors for Automatic Image Colorization with Simultaneous Classification,?In Proc. of SIGGRAPH 2016, to appear.（）

[3] Qi Wu, Chunhua Shen, Lingqiao Liu, Anthony Dick, Anton van den Hengel.?What value do explicit high level concepts have in vision to language problems,?In Proc. of CVPR 2016, to appear.（）

[4] Ya?mur Gü?lütürk, Umut Gü?lü, Rob van Lier, Marcel A. J. van Gerven.?Convolutional Sketch Inversion,?arXiv:1606.03073.（）

[5] Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio.?Generative Adversarial Nets,?In Proc. of NIPS 2014.（）

[6] Jianwen Xie, Song-Chun Zhu, Ying Nian Wu.?Synthesizing Dynamic Textures and Sounds by Spatial-Temporal Generative ConvNet,?arXiv:1606.00972.（）