AI訓練出南審專屬風

邱野

2023年年初，讀研一下的我選修了一門叫“圖像處理與機器學習”的課程，課上，老師為我們展示了AI在圖像處理方面的驚人能力。其中有一項應用是圖像修復。

AI的驚人能力

老師找來一張破舊不堪的老照片，圖上不僅有一塊明顯的損壞區域，其顏色也因年代久遠變得泛黃又失真。他先用傳統方法進行了圖像修復：采用圖像編輯軟件的手動工具對圖片的破損處一點點進行填補、克隆或修飾。大約過了半個多小時，圖片才基本修復好，即便是經過老師的專業處理，對于如此大面積的損壞，其效果也不盡如人意，放大圖片后，我們仍看到了不少瑕疵。

之后，老師切換到了AI圖像修復技術的演示。他打開Photoshop軟件，加載了同一張老照片，但與我們熟悉的PS版本不同，此時軟件中添加了一項AI創作生成按鈕。只見他簡單地點擊了幾個按鈕，軟件便開始了自動修復過程。不到1分鐘，屏幕上就跳出了一張令人驚艷的照片：所有損壞部位和色彩都被完美地修復，且與周圍背景完美融合，仿佛從未受損過一樣。

看到我們全都驚得張大了嘴巴，老師笑著解釋，這是AI模型經過大量訓練后學習到的能力。它們能夠快速理解圖像中的復雜模式和結構，并生成與周圍內容相協調的新內容來填充損壞部分。所以，無論是老照片中的損壞，還是照片中的不必要元素，AI圖像修復技術都能夠應對自如。

我沒想到，曾經需要耗費大量時間和精力的復雜任務，在AI的助力下竟變得如此輕而易舉。雖然，課上主要介紹的是AI如何進行圖像處理，但我不由對AI在繪畫領域的潛力展開了遐想：或許，它不僅能解決技術問題，也能成為實現想象力的重要工具，為人類提供一種全新的創作方式。

隨著課程的深入，我對AI處理圖像和機器學習的基礎知識掌握得越來越多。2024年3月的一天，我無意間在《人民日報》官微上看到了一段視頻，它用一種全新的AI視角讓網友欣賞到祖國壯美的山河。看著屏幕上絢麗的畫面，我的心再一次被AI撥動：是時候付諸行動了。

南審專屬的風格模型

來南京審計大學讀書的這兩年里，我對校園產生了深厚的感情，校園里許多熟悉的場景總能讓我想到和同學相處的溫馨瞬間。一個想法在我心中閃過：何不將AI技術與校園風景相結合，或許能形成一種獨特的藝術風格。

查看了眾多學習平臺，又參照網友們的測評意見，我選定了Stable?Diffusion軟件作為這次創作的主要工具。不光因為它能免費供用戶使用，還因為它的技術是一種潛在擴散模型，通俗來說，就是只要基于深度學習，它就能生成高像素、高逼真的圖像。

那怎樣才能創作出專屬南審的模型呢？翻閱了相關資料后，得知我校的主要建筑是由2010年上海世博會中國館總設計師何鏡堂院士設計完成。學校的設計高度重視山水氣韻的營造，總體布局為山水相依，樹石相融。圍繞“對自然的神往與親近”，我從自己喜愛的藝術家作品中汲取靈感。比如，借鑒后印象派大師梵高的向日葵、星空等元素；融合日本動畫師宮崎駿清新浪漫的繪圖風格；再比如，中國傳統水墨山水畫的意境似乎也與學校的設計風格很契合。

我清楚，只有盡可能選擇具有多樣性、代表性的圖片，才能確保模型學習到更廣泛的視覺信息。于是，我走遍校園的每一個角落，用鏡頭捕捉校園最具獨特性的風景。從個人拍攝和多方搜集來的上百張原圖中，我挑選了20張最有代表性的照片作為這次AI繪圖的原片，通過輸入引導詞，引導模型創作出符合我想法的藝術圖。

為了達到理想的創作效果，我不斷地嘗試各種組合和搭配，基本上每張原片都嘗試了近30種不同的風格。

俏皮的玩笑

每嘗試一種風格，除了輸入不同的引導詞，我還需要調整模型的各種設定，比如模型的學習速度、迭代步數等，以期望得到更好的效果。

調參數的過程堪比在烹飪食物的過程中添加調料，每改變一個參數，都要等待幾分鐘甚至更長的時間才能查看效果。訓練模型的過程中充滿了各種不確定性，就像做菜，哪怕你完全按照食譜操作，也可能做不出美味佳肴。有時我信心滿滿地調整了參數，生成的效果卻令人大跌眼鏡，有一次，我想繪制一幅和梵高向日葵風格相融合的校園藝術圖，明明引導詞中沒有和人物有關的詞，可生成的圖片中雖然也有向日葵元素，卻莫名其妙多出了一個可愛的卡通男孩，仿佛AI和我開了個俏皮的玩笑，真叫人又好氣又好笑。可轉念一想，或許正因為這些“玩笑”，才讓AI訓練的過程沒那么枯燥乏味，這大概就是AI的魅力所在吧！

經過一個星期的努力，我終于在生成的500多張樣稿中挑選出十幾張最具獨特性和表現力的成稿。這些以全新方式呈現的學校美景的圖片，經過編輯后，被發布在學校的官方微信公眾號平臺，后又被其他媒體轉載，獲得了不錯的社會影響。

這次獨特的創作體驗不僅讓我收獲了在論文寫作和研究算法之外的樂趣，更讓我發現人工智能在藝術和設計領域潛藏著巨大潛力，還給我未來的職業規劃提供了參考。比如，我發現在音樂創作中，AI可以分析大量的音樂數據，生成新的旋律和節奏，它能為創作提供全新的靈感來源。還有在虛擬現實和增強現實領域，多模態學習技術的應用，能使用戶通過視覺、聽覺和觸覺等多種感官融入到虛擬世界中，為沉浸式體驗帶來更多可能性。

責任編輯：刁雅琴