阿里AI設計師一秒出圖，小撒連連驚呼，真相是...

摘要： 近期，央視《機智過人》的舞臺上來了位「三超設計師」——設計能力超強；出圖能力超快；抗壓能力超強，成功迷惑嘉賓和現場觀衆，更讓撒貝寧出錯三連。 節目一開場，這位「設計師」就爲現場嘉賓：主持人撒貝寧、演員韓雪、神經科學家魯白生成了三張獨具特點的海報。

近期，央視《機智過人》的舞臺上來了位「三超設計師」——設計能力超強；出圖能力超快；抗壓能力超強，成功迷惑嘉賓和現場觀衆，更讓撒貝寧出錯三連。

節目一開場，這位「設計師」就爲現場嘉賓：主持人撒貝寧、演員韓雪、神經科學家魯白生成了三張獨具特點的海報。幾乎是說話的瞬間，海報當即生成，出圖速度之快讓撒貝寧驚呼「秒完」。

鹿班爲現場嘉賓設計的海報

這位設計師正是阿里巴巴研製的AI設計師——鹿班。鹿班是爲解放人類平面設計師而生，它學習了五百萬張人類設計做品，如今它每秒能作八千次設計。自從2016年上線至今，鹿班已經完成了十億次海報製做，是全球首位大規模投入使用的人工智能平面設計師。

節目中，鹿班將接受設計領域的兩輪檢驗，若是鹿班的做品被現場觀衆成功找出，則認爲鹿班經過檢驗。究竟AI可否在設計領域達到人類水平？接下來，咱們一塊兒走進檢驗場。

第一輪挑戰中，鹿班與一次成稿率在80%以上的設計師、從業十二年的資深設計師等三位同臺競技，各自設計一張以「汽車卓越加速性能」爲主題的商業海報。下圖即四位設計師的設計成圖，你們不妨來猜一猜哪幅是鹿班的做品。

根據現場觀衆投票，多數觀衆認爲4號做品出自鹿班之手。讓觀衆出乎意料的是2號纔是鹿班的創做，這個結果讓神經學家魯白大呼「不服氣」。

不信？眼見爲實！

接下來，戰況升級。中央美術學院院長範迪安教授帶來畫家與服裝設計師來和鹿班同臺創做，爲《孫子兵法》這本書設計封面。

面對設計難度升級，鹿班可否成功應對？咱們立刻揭曉鹿班和兩位人類設計師爲《孫子兵法》設計的封面的做品：

以上圖片中有三幅做品，其中哪一張是鹿班的設計？到底觀衆們有沒有猜對？不急，咱們先請阿里巴巴資深技術專家星瞳爲咱們揭祕鹿班背後的技術。

使用場景

視覺生成引擎的使用場景大體可抽象成下圖。以顯式輸入而言，用戶能夠輸入標籤須要的風格、色彩、構圖等，或者輸入一個例子，或者進行一些交互的輸入。除顯式輸入以外還能夠有隱式輸入，好比人羣信息、場景信息、上下文信息等。總的來講，輸入能夠是變幻無窮的，但經過規範化以後就會減小變化，使得生成過程可控，輸出質量可控。

對視覺生成引擎來講，它要求輸入是規範化的。但在輸入前，能夠加入各類交互方式，如天然語言處理，語音識別等，將其轉化成規範化輸入。最後輸出結構化信息或可視成圖。

技術框架和生產流程

其技術框架以下圖左側。首先對視覺內容進行結構化理解，如分類、量化、特徵化。其次經過一系列學習、決策變成知足用戶需求的結構化信息即數據，最後將數據轉化成可視的圖像或視頻。這一框架依賴於大量的現有數據。其核心是一個設計內核。同時，引入效用循環，利用使用後的反饋來不斷迭代和改進系統。

其生產流程分紅六個步驟，以下圖右側所示。首先用戶提出需求，將需求特徵化轉變成系統能夠理解的結構化信息。其次將信息進行規劃獲得草圖。有了粗略的草圖後再將其轉變成相對更精確的圖，而後調整細節，最後經過數據可視化造成最終的圖。固然其中還有不少的trick，以及各部分的優化。

關鍵算法

下面介紹一些關鍵算法。咱們但願基於下圖最左的耐克鞋生成最右的圖。先經過規劃器獲得草圖，再經過強化學習得到相對細緻的結果，再經過對抗學習及渲染算法獲得圖片，再經過評估器進行評估，最後造成業務閉環，其中還會有一些基礎的能力，包含更強的聯合特徵（非普通 CNN特徵）及多維度檢索算法等。

基本上，處理的第一步是將圖片中的信息結構化，這也是與現有的識別理解技術結合最緊密的地方。其中的難點和重點包括，對圖像中多目標的識別、遮擋和互包含狀況如何獲得分割的信息等，下圖只是個簡單的示例。

有告終構化信息以後，須要對信息進行量化。能夠量化成特徵或量化圖。量化過程當中會包含不少信息，好比主題風格、佈局配色、元素種類、量化空間等。有了這些信息後能夠在主題、種類、風格、視覺特徵大小位置上，量化成各類碼，用相對有限的特徵來表達無限的圖。

下一步是經過用戶的輸入，獲得一個相對粗略的結果即草圖。目前主要使用的是深度序列學習。從圖像角度，首先選定一個點的像素顏色再選擇位置，再迭代進行操做，最後造成一張圖。規劃器模擬的就是這個過程。本質上預測過程是一棵樹，固然也能夠拆成一條條路徑。爲了簡化，能夠分紅幾步進行，好比空間序列，視覺序列。最後造成量化特徵模型，主要應用的是LSTM模型。它把設計的過程轉化成基於遞歸、循環的過程。

獲得草圖後，利用行動器將草圖細化。若是將圖中的每一個元素看做一個Agent，那麼它將有若干個可選的行動空間。

假設一張圖中有20個元素，每一個元素在視覺上有多種可選的行動空間，由其組合成的可選行動空間很是龐大。咱們有不少trick能夠解決這一問題，好比在空間上，只容許在有限範圍內進行變更，且行動方向有序，即狀態有序，行動有限。

下一步是如何衡量結果的好壞。圖像的評估相對比較主觀，主要能夠從美學和效果兩方面來評估。美學角度能夠包括是否對齊、色系搭配是否合理、有無遮擋這些較低級別的判斷標準，以及較高級的，好比風格是否一致，是否切合主題。從效果上，產品投放後是否會在點擊率等方面實現提高。最後將多個指標造成對應權重並造成多個DeepLR聯合模型。

但在衡量結果以前，須要造成像素級別可見的圖。這裏有如下幾種構造器分類，包括臨摹、遷移、創造、搭配與生成。

前面介紹了，如何經過用戶的需求造成可見的圖。後續還須要進行投放和反饋並進行優化，造成效用外循環。這樣才能使得系統效用不斷獲得提高，造成一個在線閉環，這也是智能設計相對設計師的一大優點。

從技術角度來講，鹿班能夠知足海量無選擇客戶的需求。相信在將來，能夠作到「所想，即所見」。節目的最後，撒貝寧、韓雪、魯白紛紛爲鹿班站臺，鹿班也所以成功入選 「2018智能先鋒」。

原文連接