本文來自AI新媒體量子位（QbitAI）
△ 『凡所有相，皆是虛妄』
上面這張德國街道圖檔，乍一看像是行車記錄儀拍的，又好像谷歌街景照片加了複古濾鏡。
實際上，這是一張合成圖檔。
在谷歌地圖上，根本找不到這樣的街道。一個神經網絡，根據自己在訓練過程中見過的真實街道，生成了它。
生成這張照片的算法出自英特爾實驗室的新論文Photographic Image Synthesis with Cascaded Refinement Networks，用級聯優化網絡生成照片。
在論文中，斯坦福大學博士陳啟峰和英特爾實驗室視覺組主管Vladlen Koltun展示了一種根據語義布局來合成照片的方法。所謂語義布局，就是像這樣，在圖檔上标出各種物體的位置：
而他們的算法可以看作一個渲染引擎，輸入上面的圖檔，就相當于告訴它圖檔中間是道路、路上有車、上半部分有樹、有交通燈、右上有一些行人，然後按照圖上的布局，輸出一張逼真的照片。
陳啟峰在自己的部落格中說，“好比機器想象出來的畫面。”
經過3000張德國街道照片的訓練，遇到輸入的布局上标注成“car”的部分，這個見過很多車的算法就會自己生成一輛車，填在那裡。
現在一提到生成、或者合成圖像，可能大部分人都會立刻想到對抗生成網絡（GAN），不過，陳啟峰等的算法并沒有用到對抗式訓練，而隻用了一個端到端訓練過的前饋網絡。
和各種往往隻能生成小尺寸圖檔的GAN不同，他們提出的方法可以“無縫擴充”到高分辨率，1024×2014像素的圖像也能搞定。
當然，他們在論文裡也展示了自己的算法如何将各種基于GAN的生成模型秒成渣渣：
下面的視訊中，能更清楚的看到這個算法和pix2pix的對比：
這篇論文入選了今年10月在威尼斯舉辦的國際計算機視覺大會ICCV 2017，要進行口頭報告，相應的源代碼在GitHub上已經收獲了402個星，月初還登頂了GitHub熱門項目Python排行榜。
康奈爾大學計算機系副教授Noah Snavely深受打動，他說，建立逼真的人工場景非常困難，即便是當今最好的方法也無法做到，而陳奇峰的系統生成出了他見過的最大、最詳細的人工場景。
他認為，這項技術可以讓人們描述一個世界，然後讓人工智能在虛拟現實中将其打造出來。“如果能夠僅憑大聲描述就能像魔法一樣召喚出逼真的場景，那就太好了。”他說。
陳啟峰認為，這種技術前途大好，最終可以用于創造真正模拟現實世界的遊戲場景。他說：“使用深度學習渲染視訊遊戲可能成為未來的趨勢。”現在，他已經開始嘗試利用這套算法來替換《俠盜獵車手5》裡的遊戲場景。
不過，他對這個系統還有一點不滿：合成的畫面不夠逼真。陳啟·峰表示，因為這套神經網絡渲染細節的能力還無法達到我們的預期，是以目前生成的圖檔比較模糊，有點像夢境。他正在開發一個更大的版本，希望能夠提升系統功能。
在這一點上，Snavely比作者還樂觀。他說，具體到建構虛拟現實場景，這種夢境般的效果未必是壞事，我們也不見得需要完全寫實的效果。
他更期待的，是讓這個系統能生成道路和室内布局之外的場景。Snavely說，要真正實作該系統的潛力，還是需要一套能夠真正捕捉現實世界多樣性的資料集。
但說起來容易做起來難，想用這個系統生成真是世界中的各種場景，需要借助大量的人力，對訓練中使用的圖檔進行詳細标記。
這篇論文的作者陳啟峰，經曆也頗為傳奇。陳啟峰生于1989年6月，成長于廣東省中山市。國小時，陳啟峰先後獲得全國作文競賽二等獎和奧數競賽一等獎。
2006年，17歲的陳啟峰發表論文，提出資料結構Size Balanced Tree（SBT）。2007年，陳啟峰在IOI上獲得金牌（第八名）；2008年，陳啟峰以中學生身份獲得中山“十大傑出青年”稱号。
也是在2008年，陳啟峰放棄保送清華的資格，進入香港科技大學就讀，并獲得54萬港币全額獎學金。期間全部22門計算機課程都獲得A+。2010年，陳啟峰獲得百度之星程式設計大賽第三名。
2011年，陳啟峰在ACM國際大學生程式設計競賽獲得金牌（全球第二，北美冠軍）。同年還獲得香港大學生程式設計比賽冠軍。
2012年，斯坦福、哈佛、麻省理工、普林斯頓、加州大學伯克利分校、哥倫比亞、康奈爾、加州大學洛杉矶分校、密歇根大學安娜堡分校九所高校，同時以全額獎學金錄取陳啟峰攻讀研究所學生學位，最終他入讀斯坦福。
最後，放一張陳啟峰6月的博士畢業照。
項目首頁：
http://cqf.io/ImageSynthesis
論文：
http://web.stanford.edu/~cqf/papers/Photographic_Image_Synthesis_ICCV2017.pdf
代碼：
https://github.com/CQFIO/PhotographicImageSynthesis
- 完 -
本文作者：李杉 李林
原文釋出時間：2017-08-15