是什么使圖像令人難忘?詢(xún)問(wèn)計(jì)算機(jī)。從“蒙娜麗莎(Mona Lisa)”到“戴珍珠耳環(huán)的女孩”，有些圖像在其他圖像消失后很長(zhǎng)一段時(shí)間就在腦海中徘徊。問(wèn)一個(gè)藝術(shù)家為什么，您可能會(huì)聽(tīng)到一些普遍認(rèn)可的制作難忘藝術(shù)的原則?，F(xiàn)在，有一種更簡(jiǎn)單的學(xué)習(xí)方法：要求人工智能模型畫(huà)一個(gè)例子。

一項(xiàng)新的研究使用機(jī)器學(xué)習(xí)來(lái)生成圖像，范圍從令人難忘的芝士漢堡到令人難忘的咖啡，詳細(xì)顯示了使肖像或場(chǎng)景脫穎而出的原因。研究中的人類(lèi)對(duì)象最能記住的圖像具有鮮艷的色彩，簡(jiǎn)單的背景以及在畫(huà)面中居中突出的對(duì)象。結(jié)果在本周的國(guó)際計(jì)算機(jī)視覺(jué)會(huì)議上發(fā)表。

該研究的共同作者菲利普·伊索拉(Phillip Isola)，邦妮和馬蒂(1964)滕內(nèi)鮑姆CD麻省理工學(xué)院電氣工程與計(jì)算機(jī)科學(xué)助理教授說(shuō)：“一張圖片價(jià)值一千個(gè)單詞。”。”“關(guān)于記憶力的文章很多，但是這種方法使我們可以直觀地看到記憶力的樣子。它為我們提供了很難用文字表達(dá)的視覺(jué)定義。”

這項(xiàng)工作建立在早期模型MemNet的基礎(chǔ)上，該模型對(duì)圖像的可記憶性進(jìn)行評(píng)分，并突出顯示影響其決策的圖片特征。MemNet的預(yù)測(cè)基于在線(xiàn)研究的結(jié)果，其中向人類(lèi)對(duì)象顯示了60,000張圖像，并根據(jù)它們被記住的難易程度進(jìn)行排名。

當(dāng)前研究中的模型GANalyze使用一種稱(chēng)為生成對(duì)抗網(wǎng)絡(luò)或GAN的機(jī)器學(xué)習(xí)技術(shù)來(lái)可視化單個(gè)圖像，因?yàn)樗膱D像從“機(jī)甲”到令人難忘的距離都很大。GANalyze可使觀看者直觀地看到丟失在竹子中的模糊熊貓變成了以骨架為主的熊貓，黑眼睛，耳朵和爪子與白色杯子形成鮮明對(duì)比。

圖像分段GAN具有三個(gè)模塊?；贛emNet的評(píng)估者可以旋轉(zhuǎn)目標(biāo)圖像上的記憶性旋鈕，并計(jì)算出如何達(dá)到所需的效果。轉(zhuǎn)換器執(zhí)行其指令，而生成器輸出最終圖像。

漸變具有延時(shí)圖像的戲劇性感覺(jué)。轉(zhuǎn)移到記憶力等級(jí)末端的芝士漢堡看起來(lái)比以前的版本更胖，更亮，并且正如作者所指出的那樣“美味”。一只瓢蟲(chóng)看起來(lái)更閃亮，更有目的。出乎意料的是，藤蔓上的胡椒從綠色變成了紅色的變色龍。

研究人員還研究了哪些特征對(duì)記憶力的影響最大。在在線(xiàn)實(shí)驗(yàn)中，向人類(lèi)受試者顯示了具有不同記憶力的圖像，并要求標(biāo)記任何重復(fù)。事實(shí)證明，最粘的復(fù)制品使主體更靠近，使框架中的動(dòng)物或物體顯得更大。接下來(lái)最重要的因素是亮度，使被攝物體位于畫(huà)面中央，并呈正方形或圓形。

研究合著者，比利時(shí)魯汶大學(xué)(Kateholieke Universiteit Leuven)的客座研究生Lore Goetschalckx說(shuō)：“人類(lèi)的大腦進(jìn)化成最專(zhuān)注于這些功能，這就是GAN所追求的。”

研究人員還重新配置了GANanalyze，以生成具有不同美學(xué)和情感吸引力的圖像。他們發(fā)現(xiàn)，從美學(xué)和情感角度考慮，評(píng)分較高的圖像更明亮，更彩色，并且景深較淺，模糊了背景，就像最令人難忘的圖片一樣。但是，最美的圖像并不總是令人難忘。

研究人員說(shuō)，GANalyze具有許多潛在的應(yīng)用。通過(guò)增強(qiáng)現(xiàn)實(shí)系統(tǒng)中的對(duì)象增強(qiáng)，它可以用于檢測(cè)甚至處理內(nèi)存丟失。

“代替使用藥物來(lái)增強(qiáng)記憶力，您可以通過(guò)增強(qiáng)現(xiàn)實(shí)設(shè)備來(lái)改善世界，使諸如鍵盤(pán)之類(lèi)的容易放錯(cuò)地方的東西脫穎而出，”研究共同資深作者Aude Oliva說(shuō)，他是麻省理工學(xué)院計(jì)算機(jī)科學(xué)系的首席研究科學(xué)家，人工智能實(shí)驗(yàn)室(CSAIL)和MIT Quest for Intelligence的執(zhí)行總監(jiān)。

GANalyze還可以用于創(chuàng)建難忘的圖形，以幫助讀者保留信息。“這可以徹底改變教育，”奧利瓦(Oliva)說(shuō)。最終，GAN已開(kāi)始用于生成合成的，逼真的世界圖像，以幫助訓(xùn)練自動(dòng)化系統(tǒng)來(lái)識(shí)別在現(xiàn)實(shí)生活中不太可能遇到的位置和物體。