POYNTER 人工知能コンサルタント

Deep Learningで作者を替えてみる

もしピカソがこの風景を描いたらどうなるか。。そんなことをときどき思いつくものです。以前はただの夢であったことがDeep Learning技術により可能になってきました。

POYNTERではDeep Learningの例として、もしもピカソが「泣く女」の画風で他のものを描いたらどうなるのか試してみたくなりました。「泣く女」はパブロ・ピカソが1937年に愛人ドラ・マールをモデルとして描いた作品です。主観や狂気を混ぜ合わせた多面性を一つの画に描いたキュビズムの代表作として有名です。


そこで今回例として、漫画「ベルサイユの薔薇」のオスカルをもしもピカソが描いたらどうなるのか、ということを考えてみました。

これを実行するのにCNN(Convolutional Neural Network)を使います。CNNは物体の認識によく使われています。ニューラルネットを何層にも重ねて、元画像がその層を通過していくに従いターゲット物体の特徴量を抽出していくといわれています。物体の認識のためには(ターゲットが絵である場合)画風は関係が薄いものです。例えば、葛飾北斎風であろうが、安藤広重風であろうが富士山は富士山として認識したいため、これら多層ニューラルネットではそれを排除した特徴量を抽出することが主眼となります。

一方、ニューラルネットの各層において、特徴量と特徴量との間の相関、例えばこの色の隣にはこの色がくることが多い、線の太さ、等の相関をとりベクトルにすることができます。このベクトルが画風を表していることと同義になってきます。
これら2つの事項を、ランダム生成した画像から、(1)元画像の形状的特徴に近づける、(2)目標画像の画風のベクトルに近づける、という2点を最適化手法を使って最適化するのです。つまり、形状は元画像のオスカルの形状に近づけながら、画風は目標とするピカソ風に近づける、というミックスをするわけです。
実際にこれをやってみたのが下図です。

最適化には時間とCPU負荷がかかりますので、今回はかなり少ないiterationで終了させており、出来上がった画像は顔の部分などにあいまいさや画像の荒さが残りますが、「ベルサイユの薔薇」のオスカルがピカソのキュビズム的画風になっているのが見て取れると思います。
以上でDeep Learningの一例を示してみました。Deep Learning 技術やAI技術はちょっとした工夫で面白いサービスを生み出すことができます。特に大企業でAI活用命令が出されて困っていらっしゃる担当者様、活用してみたいが技術のわかる社員がいない企業様、是非POYNTERにご相談してみてください。

お問合せ

© 2016 POYNTER All Rights Reserved | POYNTER