伯克利AI实验室新论文：没有成对训练数据也能做图像风格转换

图片造假技术一直是计算机视觉研究的一个重点（大误）。

其实我们要说的，是图片风格的变换。要训练神经网络完成这种转换，通常需要一个包含成对图片的训练集，然而，成对的训练数据很难找。

加州大学伯克利分校人工智能实验室（BAIR）的 副教授Alexei A. Efros和他的博士生Jun-Yan Zhu、Taesung Park，博士后Phillip Isola最近发表了一篇论文，展示了如何在没有成对例子的情况下，展示了一种学习方法，可以在没有成对例子的情况下，将来源域（source domain）X中的图片映射到目标域（target domain）Y。

他们训练的神经网络可以将莫奈画作变换成照片风格：

将照片变换成莫奈、梵高、塞尚画作以及浮世绘风格：

如果说上面这些都司空见惯，接下来的可能会让你感觉有那么一点点神奇。

比如说，这个神经网络可以让物体变形。马和斑马、苹果和橙子之间都能互相转换：

还能改变季节：

也可以将iPhone拍的照片，转换成背景虚化的单反效果：

伯克利BAIR团队还将论文内容的Torch实现发布在了GitHub上，点击最下方“阅读原文”查看。