基于遷移學習的藝術化風格圖像的創作

司世元 馬雯月

摘要：在當前人工智能技術快速發展的背景下，研究人員逐漸將其人工智能運用于藝術創作中，無論是手機美顏功能還是電影中的一些場景，都隨著人們的需求質量不斷提高。遷移學習藝術化風格圖像創作目的在于幫助人們對一些普通圖片進行處理，將其打造為符合人們審美觀的藝術作品，通過其人工智能的深度訓練模式，能夠較為熟練和迅速的將圖片進行處理。基于此，本文將對于“遷移學習的藝術化風格圖像的創作”進行分析，希望可以為人工智能方向上有興趣的人們提供相應幫助。

關鍵詞：遷移學習;人工智能;藝術化風格圖像;創作

人工智能中，最為重要的在于GPU芯片，GPU的主要作用是加速圖片處理，對數據量大且程序類型不復雜的程序能有很強大的運行能力，這得益于GPU的設計架構擁有空間較大的顯存和運算性能，相較于在GPU之前的CPU來講，更具備深度學習的優勢。當前在研究遷移學習藝術化風格圖像的領域中，最為麻煩的是人工智能需要對現代眾多藝術作品進行存儲，這就對GPU提出了極高的要求，人工智能需要通過GPU不斷學習當代藝術作品，進行高數據化的演算，學習人們當下的審美標準，到最后將一張普通的圖片通過圖像渲染，使其添加上符合人們審美的藝術風格。若能實現將人對圖片的藝術創作手法遷移到人工智能中，在未來的這個領域中，人工智能會為人們帶來更多幫助。

一、基于遷移學習的藝術化風格圖像的創作的研究意義

21世紀以來，在人工智能領域上最令全世界人民震驚的莫過于2017年谷歌團隊研發的Alpha Go機器人以3：0的傲人戰績擊敗了世界圍棋排名第一的柯潔，這一戰，不僅打響了圍棋界與人工智能的戰爭，更是讓這個領域的研究得到了前所未有的關注。而在藝術化風格圖像的創作領域，最大的需求無異于是來自當前電子產品的飛速發展，人們在生活質量提高的同時，喜歡在旅游的同時進行拍攝照片以此紀念，手機開發商抓住這一需求，并著力于研究圖片美化，將數以萬計的藝術圖片遷移入人工智能的大腦里，將其歸類為不同的藝術風格，最為明顯的例子如“華為相機中將圖片風格分為晨光，黃昏，懷舊，老照片與黑白風格等”，這些風格濾鏡的融入往往能夠將一些普通的圖片美化成一種富含藝術特點的圖片，讓人們感受到其中的不同，這是基于遷移學習的藝術化風格圖像的創作對于普通百姓的研究意義，也是當前最為普遍的。而在一些文物復原，藝術作品的復刻技術上，基于遷移學習的藝術化風格圖像的創作技術也起著至關重要的作用，例如莫高窟中的壁畫，因常年風沙的侵蝕和人來人往的旅游，氣溫、濕度已經破壞了壁畫的保存條件，要想修復這些壁畫，可以通過人工智能的藝術創作復原，能夠最為精準的將壁畫原有的風采復刻出來。由此可見，基于遷移學習的藝術化風格圖像的創作技術不僅僅是應用在生活中，它更是在保護世界物質文化遺產上起著至關重要的作用。

二、藝術化風格圖像遷移的實現方法

（一）風格紋理特征的提取

對于圖片來說，兩種風格的不同被認為是其紋理波紋存在差異所導致，要想將一張圖片的風格改變，只需要將其他不同風格圖片的紋理進行拼接，將眾多風格的紋理融合進一張圖片便可以得到一種嶄新的風格。而對于此，有兩種紋理建模成為了主流，一種是基于統計分布的參數紋理建模，另一種為非參數化紋理建模，通過VGG來實現保存圖像想表達的語言信息，再通過計算Gram矩陣的方式對于底層圖形的風格進行融合改造，以此更新其圖片不同地方的像素值，最后得到的便是既保留了原本圖像的味道，又在原有的圖片上賦予了新的藝術風格，使整個圖片看起來更加的美觀，這便是其中對于風格紋理特征的提取。

（二）目標圖像內容的提取

目標圖像內容的提取主要是來自于人工智能在VGG不同層面中提取每個不同特征的表達效果，以保存圖片最初所蘊含的重要風格，而其他風格的加入，便是將原本圖片的一些不夠突出的層面進行一些抽象表達，將像素點進行調整，以達到對原有圖像內容的保存和對新風格圖片的風格信息的提取。但在提取過程中，因其理論中在Gram矩陣計算中有損失函數曲線的出現，所以在最后生成圖中不可必然的會缺失一些原本的信息，但人工智能也能夠通過圖像識別技術，對于這些信息能夠快速尋找相似點進行彌補，以達到對于目標圖像內容的提取。

（三）風格與內容的合成圖片

人工智能通過較為成熟的訓練后，能夠快速的將新圖片的風格紋理特征和目標圖像的內容進行提取，并能夠在保存原有圖片所想要表達的內容的基礎上，進行風格上的合成，將原有的圖片賦予新的風格特征。例如在當代影視作品當中，對于拍攝的圖片都是需要后期圖像處理的，復仇者聯盟作為好萊塢的頭等作品，對于拍攝內容后期處理的風格不僅僅是一種風格的融入，他們會借助人工智能使圖片渲染成不同的風格，添加許多不同的內容進去，這其中也包括特效的融入，最后會對處理好的圖片進行初步篩選，再由導演來進行查收。最后出現在熒屏當中，令人們驚訝于好萊塢是如何拍攝出這么棒的場景。由此可見，最后的成片便是人工智能在藝術化風格圖像遷移上取得的成功，也就是最后新風格與舊內容相結合的圖片。

三、結束語

綜上所述，人工智能技術作為當前國家所重要研究的領域，在藝術化風格圖像的創作上，人工智能展現出極強的創造力，且在當代社會中如手機，電腦上已經有著較為廣泛的應用，在未來人工智能通過較為成熟的遷移學習技術后，必然能夠推動我國計算機領域的發展，在基于遷移學習的藝術化風格圖像的創作領域上，它勢必可以為人們在藝術作品的需求上提供更大的幫助，對我國文化物質遺產上提供更多保護，同時也能在更多領域起到關鍵作用。

參考文獻

[1]馬鈺璽.基于圖像風格遷移的中華文化元素藝術化生成方法研究[D].西安理工大學，2020.

[2]蔣聰.基于深度學習的短視頻風格遷移平臺的設計與實現[D].北京郵電大學，2020.

[3]喬麗莎.基于深度學習的圖像風格藝術化[D].西安理工大學，2018.

[4]曹繁.基于藝術的思維培養模式研究[D].南京師范大學，2018.

作者簡介

司世元（2001—），男，漢族，內蒙烏海人，延邊大學美術學院，19級在讀本科生，本科學位，研究方向：室內設計。

馬雯月（2000—），女，漢族，吉林遼源人，延邊大學美術學院，18級在讀本科生，本科學位，研究方向：室內設計。