源远流长的中国书画历史 传承中华艺术瑰宝的独特魅力
大家好，真假美猴王的艺术特色「人脑与人工智能」很多人还不知道，现在让我们一起来看看吧！
近几年，随着人工智能在各个领域的应用落地，人工智能即将取代人类的恐慌也喧嚣尘上，各大媒体头条也相继推出未来不会被人工智能替代的N大行业，其中，艺术家几乎是次次上榜，因为人工智能跟人相比最大的劣势就是没有精神和灵魂，而这恰恰是艺术创作的门槛。但是随着作诗机器人和各类风格迁移算法的出现，似乎艺术大师的创作风格也能被人工智能模仿，甚至能够达到以假乱真，难辨雌雄的境界。
今天，我分享的就是利用深度学习Transformer结构来模仿艺术大师的绘画风格进行艺术创作，众所周知，Transformers 最早被应用于机器翻译领域，2018年在RNN，LSTM等网络架构在NLP领域已经卷不动的背景下，Vaswani 等人提出了自注意力机制，接着，就如深海炸弹一般在NLP领域炸开了花，紧接着第二年BERT、GPT等架构相继横空出世便长年在各大NLP算法竞赛中霸榜，刷遍所有NLP任务【对于以上内容想详细了解的读者可以翻看一下我之前的文章《NLP的前世今生》https://mp.weixin.qq.com/s?__biz=MzU4MjkyMjA0MA==&mid=2247484214&idx=1&sn=8d10f4abc6ea7b4d8ec86cc812f40267&chksm=fdb1b961cac630770aa2a47c5e4b6cd59ab2b792a55796d78e52d2cd08d29b0ac35d461c9c57#rd】。
看到Transformer在NLP领域的成功，研究人员就考虑如何把它应用到CV领域，2020年伴随着ViT的问世，Transformer也第一次实现了NLP和CV网络架构的统一，目前各大计算机视觉任务的SOTA方法基本上都是基于Transformer架构的改进和优化
风格迁移是计算机视觉内容生成和再创造的重要手段，给定一张内容图，风格迁移能将图像内容转化为特定风格【比如梵高、莫奈、中国风等】。
在最近图像内容生成项目中，除了上篇文章介绍的背景变化、素描和漫画，利用Transformer进行风格迁移也收到不错的效果。
第一张图是内容图片，第二张图是艺术大师的艺术作品，第三张图就是算法输出的模拟艺术大师艺术风格的效果图。
郑重声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。
