谷歌大腦教機器畫簡筆劃，神經網路的大作都長啥樣？

雷鋒網AI科技評論按：雖然簡筆劃與實物的逼真程度相去甚遠，但即便是一個小孩也能輕易理解圖案中的內容。原因其實很簡單，因為人類懂得通過判斷圖案中的關鍵特徵，與現實物體進行匹配。那麼，如果是用 RNN 教機器學會畫畫，它是否能抽象出畫中的概念，並用同樣的方式作畫呢？穀歌大腦的 David Ha 近日撰文指出了他與 Douglas Eck 在研究 sketch-rnn 時的一些想法和觀點。

人們在傳遞思想、進行交流時有一個非常關鍵的要素，那就是懂得如何用抽象的視覺內容進行溝通。我們從小就培養孩子用畫筆描述事物的能力，畫出一個物體甚至表達自己的情緒。這些簡筆劃並不一定像照片一樣逼真，但誠然，它們傳遞出了人們如何重現與重構身邊事物的方法。

一些 sketch-rnn 創作的畫

在 David Ha 與 Douglas Eck 合作的論文《A Neural Representation of Sketch Drawings》中，研究者設計了一個名為「sketch-rnn」的生成式 RNN，它能夠用簡單的筆觸描繪出日常物體，系統旨在訓練機器如何像人類一樣提煉事物的抽象概念。

研究者在一個手繪 sketches 資料集中進行訓練，控制提筆落筆的時間及方向，進而創造一個具有可觀前景的應用：不僅能幫助藝術家迸發藝術靈感，還能教授學生繪畫的基本技巧。

鑒於採用神經網路之時，生成模型用於訓練的圖像過多，圖像以 2D 圖元的點陣圖來構建。而由於它所具有的高解析度，這些模型很容易會生成一些連續的圖像結構，比如會畫出三隻眼睛的貓，或是幾個頭的狗。

採用 128*128 ImageNet 資料集訓練的 GANs 模型，可能會產生像上圖這樣的詭異情況。

上圖為 Ian Goodfellow 在 NIPS 2016 Tutorial 展示 GANs 時所採用的圖片

而在谷歌大腦研究者的工作中，他們受人類繪畫的啟發，採用了更低維的、基於向量的方式。Sketch-rnn 基於 seq2seq（雷鋒網注：前段時間雷鋒網做過覆蓋和報導）的自動編碼框架，結合變分推斷並採用了超網路作為 RNN 的核心。

seq2seq 的作用在於訓練潛在向量（latent vector），即一個能夠將輸入序列編碼為浮點數向量的網路，以此在盡可能逼真地類比輸入序列的情況下，利用解碼器重構輸出序列。

實驗過程

在模型中，研究者故意往 latent vector 中加入了一些雜訊，而實驗結果呈現，模型在雜訊的干擾下不能非常準確地重現輸入的內容，但依然捕捉到了連同雜訊在內的關鍵資訊。解碼器將潛在向量進行處理，並產生了一個能構建簡筆劃的動態序列。研究者們輸入了幾個小貓的簡筆劃內容，而機器進行後重構產生的圖畫又是怎樣的呢？答案就是像下面這樣：

模型通過訓練人類所畫的小貓簡筆劃而重構的圖畫

值得強調的是，模型並不是簡單地照貓畫虎，面是學習了輸入特徵後，重新按照理解再畫圖的。也就是說，模型是學會了「畫貓的方式」後，根據自己的理解再作圖的。

比如，當研究者故意畫了一個三隻眼睛的貓作為輸入，模型基於對常識的認知，生成的依然是兩隻眼的貓。而為了拓寬系統認識物體的多樣性，研究者加入了迥然不同的內容，比如一把牙刷。從圖中可以發現，系統依然將牙刷抽象成了一隻貓的樣子（比如尖耳朵和觸鬚）。這一結果表明，神經網路已經學會了從輸入中抽象出貓的概念，也能根據潛在向量重構新的簡筆劃。

如果你還是將信將疑的話，下面這個小豬的例子或許可以說服你。八條腿的小豬和卡車「亂入」了訓練資料中，但在神經網路的理解中，小豬只有四條腿，而卡車看起來也具有小豬的樣子（比如有條小尾巴）。

為了瞭解為何潛在向量是如何抽象出動物的體征概念，研究者首先採用了兩幅不同的小豬畫（一幅只有頭，一幅是全身）作為不同的潛在向量。可以看到，潛在向量掌握了鼻子與頭的相對位置，並且在逐步的嘗試後形成了身體和腿的概念。

那麼，如果是不同的動物進行融合，如何整合它們的特徵？研究者分別輸入了一個貓頭和一個全身小豬的圖像，從左往右看可以發現，小貓開始長出尾巴和身子，最後貓的頭逐步被抽象化，最後變成一隻小豬。當然，反過來試驗的結果也是一樣的。

這個實驗意味著潛在向量確實對抽象的概念特徵進行了解碼，但我們是否能採用這些特徵擴大繪畫的靈活性，比如給小貓的頭加上身子？

在學習中，系統懂得了一些「公式」

研究者發現可將身體的部分進行分類，採用一些公式性的編碼讓系統理解內容，比如將不同的潛在向量加在「貓頭」上，就能得到想要的結果（貓頭+身子=全身貓）。這一舉措得以讓研究者更好地探究模型是如何組織它的潛在空間（latent space），以表達不同的概念的。

創造性應用

研究者不僅為實驗結果而振奮，也同時為 sketch-rnn 未來可能的應用方向而高興。比如圖案設計者們能夠用該網路生成非常多看起來相似，但實際上又有各自特色、能用於不同場景的設計圖案。

從框內圖案生成的相似但各具風格的小貓

而就像我們先前看到的一樣，畫小豬的模型如果加入了卡車的圖畫，也能夠畫出有著小豬特徵的卡車。研究者將這一結果拓展開來，認為這能夠給目標客戶提供抽象設計的靈感。

在向小貓模型中輸入了四把姿態各異的椅子圖案之後，模型學習了椅子的特徵，進而生成了各種具有椅子特徵的小貓，並產生了多種設計方案。研究者相信，將不同種類的事物交給神經網路，可能產生意想不到的交互和想像。

此外，研究者們還將 sketch-rnn 的模組解碼成單獨模型，讓系統嘗試在不完整圖畫的基礎上「腦補」內容。下圖是系統腦補出的一些靈感閃現的圖案。

甚至，同一個模型也能充分發揮機器的想像力。研究者用圓形和正方形的圖案讓系統自由作畫，進而有了火烈鳥、螞蟻、貓頭鷹、直升機等等結果。設計者在研究這些機器產生的圖案時在，也能夠設計出富有創造力的作品。

Sketch-rnn 能夠讓機器作為人類靈感的來源，也可以有非常多的應用。而機器與人類的交互與溝通，在未來的想像空間是無窮的。