風(fēng)格遷移一直是很多讀者感興趣的內(nèi)容之一，近日，網(wǎng)友Reiichiro Nakano公開了自己的一個實現(xiàn)：用TensorFlow.js在瀏覽器中部署可進(jìn)行任意圖像風(fēng)格遷移的模型。讓我們一起去看看吧！

GitHub：github.com/reiinakano/arbitrary-image-stylization-tfjs

小工具：reiinakano.github.io/arbitrary-image-stylization-tfjs/

遷移效果

所謂風(fēng)格遷移，指的是神經(jīng)網(wǎng)絡(luò)通過遷移算法，用另一種風(fēng)格（通常是畫）重新“繪制”一張圖像中的內(nèi)容（通常是照片）。現(xiàn)如今，能在瀏覽器中實時進(jìn)行風(fēng)格遷移的項目有很多，但它們中的大多數(shù)都需要針對每種風(fēng)格訓(xùn)練獨(dú)立的神經(jīng)網(wǎng)絡(luò)，所以用戶的選擇大大受限。

Reiichiro Nakano提供的模型突破了以往模型的局限，它能將任何風(fēng)格圖像分解為表示其風(fēng)格的100維向量，然后把這些向量結(jié)合照片信息一起饋送到另一個神經(jīng)網(wǎng)絡(luò)，以產(chǎn)生最終的風(fēng)格化圖像。

首先，我們來看看這個風(fēng)格遷移模型的具體效果：

一種風(fēng)格下的風(fēng)格遷移

兩種風(fēng)格下的風(fēng)格遷移

演示網(wǎng)站

上圖是小編在作者開發(fā)的演示網(wǎng)站里測試的結(jié)果，感興趣的讀者可以前去一試。可以發(fā)現(xiàn)，雖然談不上特別令人驚艷，但遷移的整體效果還是非常不錯的，更可貴的是，它支持任意圖像、任意風(fēng)格的遷移，允許手動上傳圖片。

如果硬要說有什么不足，那就是網(wǎng)站的延遲有點(diǎn)高（選取圖像/風(fēng)格后無法及時跳轉(zhuǎn)，也許是水管不行）。此外，在對構(gòu)圖空曠的圖像（如加州金門大橋）進(jìn)行風(fēng)格遷移時，我們發(fā)現(xiàn)粗糲線條風(fēng)格（如bricks）容易弱化主體線條，使遷移后的圖像幾乎沒有內(nèi)容。

技術(shù)來源

為了實現(xiàn)這個項目，作者參考的是2017 BMVC的一篇Oral Paper：Exploring the structure of a real-time, arbitrary neural artistic stylization network（arXiv:1705.06830）。

這篇論文結(jié)合靈活的風(fēng)格遷移技術(shù)和快速網(wǎng)絡(luò)傳輸，提出了一種允許使用任何內(nèi)容/風(fēng)格圖像對進(jìn)行實時風(fēng)格化的網(wǎng)絡(luò)。在包含約80,000幅畫作的語料庫上經(jīng)過訓(xùn)練后，論文模型不僅在訓(xùn)練過的風(fēng)格上表現(xiàn)出色，還能夠推廣到從未見過的風(fēng)格和照片。也就是說，這是一個能以完全無監(jiān)督的方式學(xué)習(xí)平滑的、結(jié)構(gòu)豐富的嵌入空間，以及與風(fēng)格繪畫相關(guān)聯(lián)的語義信息的模型。

一般來說，風(fēng)格遷移模型的輸入有兩個，一是包含圖像內(nèi)容的照片c，二是包含圖像風(fēng)格的繪畫s。這類算法假定圖像的內(nèi)容和風(fēng)格可以定義如下：

如果模型從兩幅圖像中提取到的高級特征歐氏距離接近，則兩個圖像的內(nèi)容相似。

如果模型從兩幅圖像中提取到的低級特征有相同的空間統(tǒng)計，則兩個圖像的風(fēng)格相似。

根據(jù)這兩個定義，風(fēng)格遷移的優(yōu)化目標(biāo)可以表示為：

其中Lc(x, c)和Ls(x, s)分別是內(nèi)容和風(fēng)格的損失函數(shù)，λs是風(fēng)格損失函數(shù)經(jīng)拉格朗日乘數(shù)加權(quán)后表示的相對權(quán)重。

論文作者改進(jìn)了這一做法。他們在風(fēng)格遷移網(wǎng)絡(luò)前添加了一個預(yù)測網(wǎng)絡(luò)P(·)，它以任意風(fēng)格的圖像作為輸入，并預(yù)測歸一化常數(shù)的嵌入向量→S，這樣做的優(yōu)勢是模型能把學(xué)到的遷移方法推廣到其他圖像上。

論文模型架構(gòu)

從本質(zhì)上來說，這個模型直接學(xué)習(xí)的是從風(fēng)格圖像到風(fēng)格參數(shù)的映射。在Kaggle Painter By Numbers（內(nèi)容）和Describable Textures Dataset（風(fēng)格）兩個數(shù)據(jù)集上進(jìn)行了訓(xùn)練后，模型輸出的風(fēng)格遷移效果如下圖（左）所示：

網(wǎng)絡(luò)是聯(lián)合訓(xùn)練的，但它只用少量訓(xùn)練圖像就模擬了多種風(fēng)格，這意味著我們沒有必要為每種風(fēng)格單獨(dú)設(shè)定拉格朗日乘數(shù)λs。 也就是說，同一個損失加權(quán)就足以在所有繪畫風(fēng)格和紋理上產(chǎn)生合理的結(jié)果。上圖（右）則證明，該模型能夠預(yù)測以前從未見到的風(fēng)格和紋理樣式，它們在質(zhì)量上與訓(xùn)練集樣本的風(fēng)格和紋理幾乎一致。

開源答疑

在GitHub上，開源項目的Reiichiro Nakano向開發(fā)者重點(diǎn)提了一些注意事項。

問：我的數(shù)據(jù)安全嗎？你會看到我提交的圖片嗎？

當(dāng)你在演示網(wǎng)站里測試風(fēng)格遷移時，你的數(shù)據(jù)和圖片只會在你自己的計算機(jī)上留下痕跡。事實上，這也是在瀏覽器中運(yùn)行神經(jīng)網(wǎng)絡(luò)的主要優(yōu)勢之一。我只是把模型和代碼發(fā)給你，由你在自己的瀏覽器上運(yùn)行模型。

問：如果我想下載，模型一共多大？

風(fēng)格神經(jīng)網(wǎng)絡(luò)的大小是9.6MB，遷移網(wǎng)絡(luò)大概有7.9MB。它們在任何風(fēng)格上都有效，所以你只用下一次就可以了。

問：你的模型和論文模型一模一樣嗎？

不完全一樣，論文的風(fēng)格網(wǎng)絡(luò)用的是Inception-v3（大約96.2MB），太大了。所以在把模型移植到瀏覽器上之前，我用MobileNet-v2從預(yù)訓(xùn)練的Inception-v3網(wǎng)絡(luò)中提取了知識，把大小縮小到了論文的1/10。

問：風(fēng)格組合的具體方法是什么？

由于風(fēng)格網(wǎng)絡(luò)可以把每種風(fēng)格映射成100維的風(fēng)格向量，所以我們只需對內(nèi)容和風(fēng)格圖像的風(fēng)格向量進(jìn)行加權(quán)平均，把計算結(jié)果作為遷移網(wǎng)絡(luò)的輸入，即可獲得新風(fēng)格向量。