神经网络已经猜到了你要绘制的内容

文 / David Ha，JONAS JONGEJAN，Ian Johnson

原文链接： mp.weixin.qq.com/s/UYqmv45D2…

Try the sketch-rnn demo

对于通过蜂窝数据连接网络的移动用户：第一个演示大小约为 5 MB 数据。每次在演示中更改模型时，您将使用另外 5 MB 的数据。

我们进行了一个交互式网络实验，让你能与一个名为 sketch-rnn 的循环神经网络模型一起绘制作品。我们利用来自于 Quick Draw！ 游戏的数百万涂鸦训练该神经网络。一旦开始绘制对象，sketch-rnn 将提出许多可行的方法基于你中断的位置继续绘制此对象。试试第一个演示。

在上面的演示中，我们被提示开始绘制特定对象。一旦你停止涂鸦，神经网络将接管并试图猜测涂鸦的其余部分。你可以再次接管绘图并继续从中断处开始。我们训练了大约 100 种可以用于试验的模型，并且一些模型在多种类别上进行了训练。

其他 sketch-rnn 演示 下面的演示最好在桌面浏览器上体验，而不是在移动设备上体验。

多预测

多预测演示

该演示类似于第一个预测绘图其余部分的演示。在此版本中，您将在左侧区域内绘制草图的开头，模型将在右侧较小的框内预测图形的其余部分。这样，您可以看到模型预测的各种不同结局。预测的结局有时会让人感到期待，有时会出乎意料和奇怪，而且有时也可能是丑陋和完全错误的。

你还可以选择不同的类别，使模型基于相同的不完整的起始草图绘制不同的对象，或者使模型绘制方形猫或圆形卡车等内容。你可以随时中断模型并继续在左侧区域内绘制图形，并让模型不断预测你离开的位置。

插值

插值演示

除了预测不完整绘图的其余部分外，sketch-rnn 还可以从一个绘图变换到另一个绘图。在 Interpolation Demo 中，可以使用屏幕两侧的按钮随机生成两个图像。点击 Interpolate 按钮，模型将提出新的草图，作为两个原始草图之间的插值。在上图中，模型在自行车和瑜伽位置之间进行插值。尝试使用插值演示在两个随机生成的图像之间进行变换。

变分自动编码器

变分自动编码器演示

该模型还可以模拟你的绘图并生成类似的涂鸦。在变分自动编码器演示中，你将绘制指定对象的完整图形。在左侧区域内绘制完整草图后，点击自动编码按钮，模型将开始在右侧较小的框内绘制类似的草图。模型将尝试模拟你的绘图，而不是绘制完美的绘图副本。

你可以尝试绘制其他类别的绘图对象，并查看模型如何解释你的绘图。尝试变分自动编码器演示。

想了解更多？ 如果您想了解更多信息，请参阅以下几点：

谷歌搜索关于本模型的 blog post（ ai.googleblog.com/2017/04/tea… 阅读我们的论文 A Neural Representation of Sketch Drawings ( arxiv.org/abs/1704.03… ) 早期的 Magenta blog post （ magenta.tensorflow.org/sketch_rnn）… TensorFlow 实现。GitHub repo（ github.com/tensorflow/… 该模型的 JavaScript 实现以及预先训练的模型权重。GitHub repo（ github.com/tensorflow/…