一種稱為神經(jīng)樣式轉(zhuǎn)換（NST）的計算機視覺技術(shù)

隨著人工智能的不斷發(fā)展，很明顯，人工智能將很可能在從醫(yī)學(xué)診斷和財務(wù)預(yù)測到自動事實核查的廣泛領(lǐng)域中取得巨大收益。不太明顯的是，人工智能將在更具創(chuàng)意的行業(yè)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(shù)，文學(xué)和音樂作品中所做的那樣。

盡管許多人可能對機器的藝術(shù)能力持不同意見（無論多么智能），但AI仍可以在這一領(lǐng)域做出重大貢獻。倫敦大學(xué)學(xué)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***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(wù)匱乏和心理沮喪的時期，在此期間，大師畫家?guī)缀踔挥藐幊恋乃{色來繪畫。

研究人員使用一種稱為神經(jīng)樣式轉(zhuǎn)換（NST）的計算機視覺技術(shù)，重新構(gòu)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(fù)使用畫布是使貧困藝術(shù)家陷入困境的一種方式）可以省錢）。通過采用神經(jīng)樣式轉(zhuǎn)移技術(shù)，該團隊能夠恢復(fù)圖像而不必破壞藝術(shù)品本身，其效果比使用X射線成像的傳統(tǒng)方法更好。

正如該團隊在論文中所概述的那樣，神經(jīng)樣式轉(zhuǎn)換是指一類用于處理數(shù)字圖像和視頻的算法，從而使輸出結(jié)果采用參考圖像的視覺樣式。NST算法于2015年首次開發(fā)，使用了所謂的卷積神經(jīng)網(wǎng)絡(luò)，這是一種多層的深度學(xué)習(xí)AI，通常用于圖像和視頻識別和分類任務(wù)，醫(yī)學(xué)圖像分析和推薦系統(tǒng)。

通過讓用戶提供“內(nèi)容”圖像和“樣式參考”圖像（例如著名藝術(shù)家的藝術(shù)品）以及需要根據(jù)“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(nèi)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(jīng)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(xiàn)的所有繪畫特征下。在將“老吉他手”設(shè)置為他們的“內(nèi)容”形象之后，團隊隨后將畢加索的畫作La Vie作為他們的“風(fēng)格參考”形象。通過應(yīng)用神經(jīng)樣式轉(zhuǎn)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(xué)屬性也可以通過所謂的誤差函數(shù)和優(yōu)化算法進行調(diào)整，以便圖像可以呈現(xiàn)某種特定樣式的內(nèi)容。