說起「深度學習作畫」，首先想起的一定是 Google 的「大邪神」畫家──不知道是否研究人員給它吃了什麼奇怪的學習素材，Google 的深度學習機器人在作畫過程中以使用大量扭曲的眼睛元素為特徵，讓普通人難以接受。
▲ Google 人工智慧的大作。
不過你可不要誤以為這就是人工智慧在繪畫領域的最高水平了，事實上大部分的人工智慧在繪畫領域還是走一條正常的藝術道路。比如加州大學柏克萊分校近日開源的一個新的圖像處理工具 CycleGAN 的藝術造詣就比 Google 要高不知道多少。話不多說先看圖：
你一定會說這個不是和去年流行的手機 App 一樣嗎？錯！上圖中其實左圖是原圖，右圖是 CycleGAN 處理過的圖片。
與廣為流行的 Prisma 相反，CycleGAN 可以將一副繪畫作品還原成照片。不過這個反濾鏡目前還沒有完成，它只能將幾種畫家風格的圖片還原成照片，這其中包括莫內、塞尚、梵谷等知名畫家，除上面這張之外研究人員還公布了它的一系列戰果：
當然，把畫作轉化成照片是一個較小的需求，CycleGAN 利用這項技術達成更實用的功能：將夏天轉換成冬天，或將普通的馬轉化成斑馬。
還有橘子和蘋果的相互轉化：
與其他人工智慧繪畫不同，CycleGAN 的研究團隊試圖建立一個可雙向轉化不遺失信息的雙向算法。在以往的人工智慧繪畫，尤其是將照片轉化成繪畫的 App 裡，人工智慧其實忽略了很多無法與演算法對應的細節，使細節豐富的照片被轉化成細節沒那麼豐富並帶有風格化特徵的圖片。
▲ 類似智慧手機廠商透過雙鏡頭的先拍攝再對焦 CycleGAN 也可以輕鬆實現。
但在 CycleGAN 裡細節被要求完全保留，儘管算法找不到可以對應的元素。研究人員希望能夠將一張圖片輸入 CycleGAN 後進行多次反覆轉化（照片→繪畫→照片→繪畫→照片），最終可以獲得與原始照片相同或相近的圖片。
▲ 除了每次轉化後遺失一些像素，CycleGAN 在循環轉換中的表現不錯。
為了實現這一點，研究團隊必須以機器可以理解的方式去描述每種風格之間的關係，並給機器「吃下」大量來自 Flicker 的照片進行訓練，再人工糾正機器在訓練過程中產生的錯誤。CycleGAN 目前在針對幾何、顏色和風格上的轉化都不錯。之所以沒有出現 Google 那樣的大邪神畫作，可能是因為研究人員並沒有給它餵太多動物及人物圖片素材。在試驗過程中，一個試圖將貓轉換成狗的例子得出的結果就不是很好。
Adobe 在去年技術大會上也公布了類似的 Photoshop 功能，不過相比之下 CycleGAN 是開源並且免費的。如果你有需要，你可以在 Github 上找到 CycleGAN 的程式碼。
（本文由 PingWest 授權轉載；首圖來源：CycleGAN）