不会编程也能做酷炫视频风格迁移？这个工具冲上Reddit热榜贾浩楠发自凹非寺量子位报道|公众号Qbi

贾浩楠发自凹非寺量子位报道 | 公众号 QbitAI
这两天， Reddit上一则关于视频风格迁移的帖子火了，发布仅一天就冲上了机器学习社区的热榜第一。
明艳、华丽的Demo引起了网友们惊叹。
著名的恐怖片《闪灵》经过处理后，变得色彩明艳，有了漫画风格：
文章插图
而电影《低俗小说》，处理效果像极了天主教堂五彩缤纷的玻璃窗：
文章插图
大家纷纷留言追问“是不是对CNN的层过滤器进行过修改”？
但楼主却说「我不是程序员，也不清楚CNN是什么东西…….」
这就有点不可思议了，一个没接触过机器学习的小白，是怎么做到效果这么好的视频风格迁移呢？
「一键式」视频风格迁移工具Reedit热帖的楼主，是一位纯艺术从业者，没学过计算机和编程。
文章插图
但是他却却借助一款「一键式」的傻瓜工具，轻松完成了视频风格迁移。
这款工具名叫Deep Dream Generator 。
熟悉图像风格迁移的读者可能对Deep Dream很熟悉，早在2015年谷歌就公布了这个软件。
最早Deep Dream是为2014年ImageNet视觉识别挑战赛而开发的，主要的目的也是识别图像中的人脸和其他目标。
文章插图
但是随后有人发现，经过训练的Deep Dream能够反向运行，将给定图片的像素特征整合到目标中。
随后， Deep Dream开始在艺术创作圈流行，由它生成的风格迁移图像颇具梦幻色彩，所以被叫做「Deep Dream」。
文章插图
而制作这个工具的团队将Deep Dream做成了简单易上手，不需要任何计算机知识，能够直接在网页使用的版本。
使用很简单，只需要上传目标图像和「风格」，一键点击，就能生成。
文章插图
生成的图片效果完全由上传的「风格」决定：
文章插图
有了这工具，就算是既不懂艺术，也不懂编程的小白，也能批量生产艺术作品。
视频风格迁移的两种方法尽管Deep Dream Generator官网上并没有给出任何技术说明，但Deep Dream早已开源，并且风格迁移已经是深度神经网络应用中轻车熟路的一个领域了。
一般常见的风格迁移迁移算法由两种基本思路，一是优化法，第二种是在它之上优化而来的前馈法。
优化法在这种方法中，其实并没有使用真正意义上的神经网络。
任务中并没有训练神经网络来做任何事情。只是利用反向传播的优势来最小化两个定义的损失值。
反向传播到的张量是希望实现的图像，从这里开始我们称之为「复刻」。希望转移其风格的艺术品，称为风格图像。而要将风格转移到其中的图片，称为内容图像。
「复刻」被初始化为随机噪声。然后与内容和风格图像一起，通过一个预先训练过的图像分类网络的几个层。
算法使用各个中间层的输出来计算两种类型的损失：风格损失和内容损失。在风格上，「复刻」与风格图像有多接近，在内容上就有有多接近。
文章插图