深度神經網絡AI重建畢加索繪畫中隱藏的神秘影像

隨著人工智能的不斷發展，很明顯，人工智能將很可能在從醫學診斷和財務預測到自動事實核查的廣泛領域中取得巨大收益。不太明顯的是，人工智能將在更具創意的行業中扮演什么樣的角色，正如最近在制作令人驚訝的引人入勝的藝術，文學和音樂作品中所做的那樣。

盡管許多人可能對機器的藝術能力持不同意見(無論多么智能)，但AI仍可以在這一領域做出重大貢獻。倫敦大學學院的一個研究團隊就是一個很好的例子，該團隊最近使用AI重建了著名西班牙畫家帕勃羅·畢加索(Pablo Picasso)從未見過的裸體女人畫作，該畫作顯然藏在《老吉他手》之下。這項著名的作品來自1900年代初畢加索的所謂“藍色時期”，那段時期是財務匱乏和心理沮喪的時期，在此期間，大師畫家幾乎只用陰沉的藍色來繪畫。

研究人員使用一種稱為神經樣式轉換(NST)的計算機視覺技術，重新構造了隱藏在其下的女人的鬼影，隨后由畢加索將其繪制成“舊吉他手”(重復使用畫布是使貧困藝術家陷入困境的一種方式)可以省錢)。通過采用神經樣式轉移技術，該團隊能夠恢復圖像而不必破壞藝術品本身，其效果比使用X射線成像的傳統方法更好。

正如該團隊在論文中所概述的那樣，神經樣式轉換是指一類用于處理數字圖像和視頻的算法，從而使輸出結果采用參考圖像的視覺樣式。NST算法于2015年首次開發，使用了所謂的卷積神經網絡，這是一種多層的深度學習AI，通常用于圖像和視頻識別和分類任務，醫學圖像分析和推薦系統。

通過讓用戶提供“內容”圖像和“樣式參考”圖像(例如著名藝術家的藝術品)以及需要根據“樣式參考”圖片。將它們混合，以便將“輸入”圖像更改為看起來像“內容”圖像，但將其樣式化為看起來像“樣式參考”圖像。

在本研究的案例中，研究小組已經在老吉他手的下面勾勒出該女性的淡淡X射線輪廓，因此下一步是手動編輯最原始繪畫中不太可能出現的所有繪畫特征下。在將“老吉他手”設置為他們的“內容”形象之后，團隊隨后將畢加索的畫作La Vie作為他們的“風格參考”形象。通過應用神經樣式轉換，團隊可以重建La Femme Perdue 的隱藏繪畫。(“失落的女人”)-畢加索可能畫了自己的五顏六色的筆觸。有趣的是，這些美學屬性也可以通過所謂的誤差函數和優化算法進行調整，以便圖像可以呈現某種特定樣式的內容。