Pix2Pix与人工智能做设计

设计是一个 创造 的过程，目前大部分的设计类产品大多是基于模版的，外加一些 图像匹配 的处理，做出来的设计， 缺少创造的成分，更多的是预设的结果 。 基于深度学习算法，是否可能满足设计创造性的要求？像 图像分类 可以很方便的通过 CNN 来实现，通过 apple 开源的 turicreate 库来实现更加简便。而图像与图像之间的转换（称为 图像翻译 ），目前较好的通用方法是 pix2pix ，基于 GAN 的算法。 GAN 带来了 生成设计 的可能性。最近我也终于抽到点空跑了下 pix2pix 的算法，有点体会，写成文章分享给大家。

ps：跑到第8轮，pix2pix 的应用界限就差不多可以评估了

在开发环境方面，我这次选择了 Anaconda 作为 python 包的管理 ，有可视化的 APP 工具，也可以通过终端命令行操作，方便了许多。 pix2pix 的话，做实验的话，建议直接使用 Jupyter notebook ，方便直观。

2017 年的这篇论文《Image-to-Image Translation with Conditional Adversarial Networks》介绍得很详细， github 上也有很多 pix2pix 的实现，自行搜索吧。

https://arxiv.org/pdf/1611.07004.pdf

pix2pix 可以实现哪些事情呢？

预测影片的下一帧 ，我们是不是可以把一张图片变成 GIF 图；

去除马赛克 ，随意放大 BMP 图片，再也不担心精度不够了；

通过手绘生成名画 ，比谷歌的 auto draw 先进了点，当然还有各种通过手绘生成的东西，比如猫、袋子、鞋子、人物肖像画；

去除图片的背景 ，类似于 抠图 ，也可以采用 pix2pix 的方法进行；

生成配色方案 ，把配色当成图片，进行图片的生成，产生新的配色方案；

从侧脸预测正脸 ，这样以后只要随便拍一张照片，都可以在三维空间中实时建模出来；

改变模特的摆拍姿势 ；

用在 风格迁移 也是可以的，还可以做得更加灵活；

从卫星影像生成地图 ，降低地图服务商的生成成本；

Github 有个 gan 全集，收集了 gan 的相关论文及应用。

https://github.com/nightrome/really-awesome-gan

只要是图片与图片之间的转换，我们都可以尝试 pix2pix 来生成试试。

算法已经没什么秘密可言，站在应用的角度， 关键是如何获取大量的成对的图片来进行训练。 我们可以借助一些工具，比如 UI2Code 之 利用 antd.sketchapp 生成训练数据 ，还可以通过其他算法生成大量数据，作为 pix2pix 的输入。

例如，针对设计领域，有这么些图像翻译的应用场景：

动态 Logo 设计 ，用户输入一张静态的 Logo 图片，自动生成动态的 GIF 。

= >

服装设计 ，只需完成手绘，即可实时看到成品的效果。

类似于 iGAN ：

还有 景观／建筑设计 中，经常要描图，利用 pix2pix ，也是可以实现手绘图至 CAD 图的转化，然后设计师再在 CAD 图上精细地调整方案。

其他的应用场景欢迎留言讨论或微信群里讨论。

*

知识星球

更多可以在知识星球交流。

*

热门文章

人工智能Logo设计师Brandmark

人工智能时代，设计师如何学习新技术

我们利用周末尝试了一次CO-CODING活动

*

关于公众号：

本公众号定期更新 人工智能&设计&科技内容。

谈点设计，敲点代码，偶尔创作点人工智能实验产品 。