當藝術遇上人工智能

摘要：為了加強美育，實現人工智能與藝術的跨學科融合，應讓中小學生在課堂中親身體驗AI藝術創作，從而更好地激發其創新思維，提高審美能力。那么，能否提供一款適合中小學生的人工智能工具，使他們能夠輕松上手并參與到藝術創作之中？本文以“為老黑白視頻上色”項目為例，探討了AI技術在藝術創作中的應用，并進一步分析了AI技術在藝術創作中的優勢與挑戰，探討了其在教育領域的應用前景。

關鍵詞：XEduHub；人工智能教育；人工智能+藝術

中圖分類號：G434 文獻標識碼：A 論文編號：1674-2117（2024）21-0095-03

藝術和技術的關系密不可分，它們相互影響、相互促進。隨著人工智能技術的飛速發展，其在藝術領域的應用也日益廣泛，尤其是在視頻處理和圖像增強方面。當藝術遇上AI，天馬行空的想象力與嚴謹科學的技術流相互碰撞，可以激發出無限創意的火花。AI技術不僅能夠模仿和再現傳統藝術形式，還能夠創造出全新的藝術表達方式，為藝術創作提供了更多的可能性。那么，能否設計一些適合中小學生的藝術創作項目，激發學生對AI的學習興趣？

項目分析：AI在藝術創作中的應用

AI在藝術創作中的應用廣泛，它通過模仿人類藝術家的創作過程，為藝術領域帶來了創新和變革。其常見的應用領域如圖1所示。

①文學創作。AI不僅能模仿特定作者的風格創作文學作品，還能獨立生成全新的內容，包括詩歌、小說、散文等多種文學形式。

②視覺藝術創作。視覺藝術創作可分為靜態視覺藝術創作和動態視覺藝術創作。靜態視覺藝術創作以常見的圖像生成為代表，同時廣泛地應用于圖像處理、風格遷移、平面設計等領域；動態視覺藝術創作以視頻生成、編輯和處理為代表，在視頻剪輯、動畫制作、特效合成等視頻創作與處理環節均有應用，常用于影視制作領域。

③聽覺藝術創作。AI在聽覺藝術創作中的應用可以大致分為音樂創作和聲音處理兩個部分。AI在音樂創作中的應用主要包括旋律生成、和聲編排、樂器模仿等；在聲音處理中的應用主要包括音效生成、聲音自動編輯與優化等。

除上述三個常見應用領域之外，AI技術還可以運用于藝術分析與理解領域，通過識別藝術作品的風格和情感表達，幫助人們進行藝術品的分類和鑒定，為藝術批評提供新的視角。

項目實現：“為黑白視頻上色”

前段時間，筆者無意中看到一條新聞：一個藝術家利用人工智能為一些古老的視頻做修復、上色，使其煥發新活力。經過分析，這個案例的操作難度不大，基本上屬于AI模型的應用。要完成這個案例，需結合視頻數字化的原理，很適合用于中小學教學。

1.“黑白視頻上色”的原理分析

（1）視頻播放的基本原理

視頻是通過連續播放一系列靜態圖像（幀）來形成連續的動態視覺效果。在視頻播放時，每一秒內顯示的幀數稱為幀率，通常以每秒幀數（FPS）來衡量。視頻播放器按照預定的幀率順序讀取視頻文件中的每一幀，并以極快的速度連續顯示在屏幕上。由于人眼的視覺暫留效應，即圖像在視網膜上保留的短暫時間，當幀以足夠快的速度連續播放時，人眼無法察覺到每幀之間的間隔，因此產生了連續運動的錯覺。

（2）圖像著色技術原理

圖像著色是灰度圖像偽彩色化的過程。圖像著色模型是將灰度圖像轉換為彩色圖像的模型，它基于大量灰度和彩色一一對應的圖像數據集進行訓練，從而實現根據圖像的內容來推斷合理的顏色分布，實現從灰度到彩色的映射。

（3）視頻上色的實現方式

根據上文可知，視頻文件本質上是由一系列按時間順序排列的靜態圖像（幀）組成的。只要將視頻中的每一幀圖像取出，分別進行著色處理，上色完成后再拼成視頻，便可以達到“為黑白視頻上色”的效果。

2.視頻拆解為圖像的功能實現

為了對視頻中的每一幀圖像進行著色處理，首先要從視頻中提取這些幀。實現此功能的步驟包括：

①視頻讀取。利用視頻處理庫（如OpenCV）中的函數，按照視頻的編碼格式和幀率讀取視頻文件，代碼如圖2所示。

②幀提取。通過循環遍歷視頻的每一幀，將其作為單獨的圖像提取出來，為后續的圖像處理做準備，代碼如圖3所示。

3.黑白圖像上色的功能實現

XEduHub是一個深度學習工具庫，為用戶提供了簡潔的推理工具Workflow。目前，XEduHub內置了多種內容生成的任務，其中包括圖像著色模塊，任務名稱為gen_color。該任務通過調用基于卷積神經網絡訓練的模型進行推理，自動地為黑白圖像添加顏色，實現了快速生成逼真的著色效果。

①單張圖像上色。從XEduHub工具庫中選擇適用于圖像著色的預訓練模型（gen_color），加載選定的圖像著色模型，對提取的黑白圖像幀應用模型推理，模型將基于學習到的顏色分布為圖像預測并填充顏色，代碼如上頁圖4所示。

②批量處理。在實現單張黑白圖像上色的基礎上，使用循環函數對由視頻拆解而來的多張黑白圖像上色，代碼如圖5所示。

4.圖像拼接為視頻的功能實現

當所有圖像幀完成著色后，需要將這些彩色幀重新組合成視頻。使用OpenCV庫中的VideoWriter類創建視頻編寫器對象，并設置輸出視頻的參數，如分辨率、幀率和編碼格式。隨后，將著色后的圖像幀按順序寫入視頻流中，完成視頻上色的整體流程，代碼如圖6所示。

總結

本項目通過使用深度學習工具庫XEduHub中的gen_color圖像著色模型，實現了“為黑白視頻上色”的功能。這一過程涉及三個關鍵步驟：視頻拆解為圖像、黑白圖像上色、圖像拼接為視頻。通過這一系列操作，不僅為老電影、老視頻賦予了新的生命，也為歷史影像資料的數字化修復和藝術再現提供了新的方法，同時展示了AI在藝術創作中的潛力，激發了學生對技術的興趣，還培養了他們的創新思維和審美能力。

參考文獻：

[1]湯欣雯.中國傳統文化主題的AI藝術創作與效果研究——以人工智能綜藝節目《機智過人》為例[J].視聽，2022（11）：40-43

[2]龍巖.當AI遇上藝術：藝術創作的變革之路[J].玩具世界，2024（03）：23-25.

[3]徐中輝，呂維帥.基于卷積神經網絡的圖像著色[J].電子技術應用，2018，44（10）：19-22.

[4]張美玉，劉躍輝，侯向輝，等.基于卷積網絡的灰度圖像自動上色方法[J].計算機工程與應用，2022，58（07）：229-236.