头像瞬间萌化！这个技术让你一键变身日漫主角
然而有两个小问题：首先，热门动漫作品就那么几部，撞头像的事故经常发生。以及，甭管账户的主人是什么性别，头像一水都是可爱女生，时间长了毫无辨识度了。每次上网看帖，就像围观一帮动漫角色在互相留言点赞……
我们都知道，最近几年基于神经网络的 AI 发展的很快，其中有一种技术叫做风格迁移 (style transfer)，简单来说就是让图片 A 获得图片 B 的风格，但仍然具有明显的 A 的特征。
有了这项技术之后，ACG爱好者也可以让自己的头像具有动漫风格了。只是效果仍然不是很令人满意，看起来像是用画笔和颜色对人脸照片描边而已：
这种风格迁移其实有点违背初衷：很多人用动漫头像是为了可爱，可是最终输出看起来一点都不可爱。
然而 ACG 爱好者是不会停止脚步的！
一群韩国的 AI 研究者最近发布了一篇论文，展示了他们在图片到图片翻译 (image-to-image translation) 上取得的重要进展。
他们实现的效果，看起来更像是找了一位漫画家，对着原始照片认真地再创作，效果超过了所有现存的头像卡通化技术：
用红框标出的分别为原图(a) 和输出结果 (e)，输出的头像不但风格更加接近我们经常在动漫当中看到的形象，和原图的可识别度也很高。
在非监督学习的方法和生成对抗网络（简称 GAN）的架构基础上，研究者加入了全新的注意力模块，并发明了一种名为“自适应层-实例归一化”(AdaLIN)的 归一化机制，开发出一种全新的神经网络。
这一研究被命名为U-GAT-IT:Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation[1].
正是因为研究者设计的全新的注意力和归一化机制，我们可以从输出结果中看到，这个神经网络对于不同特征进行了不同的处理。
该放大的特征，比如眼睛，被放大了；该缩小的特征，比如鼻子、嘴巴，也得到了缩小；至于其它特征，比如发型、发色、肤色，甚至包括面部阴影，也有相当准确的还原。
研究者指出，之前的图像风格迁移结果，之所以看起来像描边，是必须把原图的线条背景映射到输出结果上；而他们开发的注意力和归一化机制，能够对原图和目标风格图进行注意力绘制，然后引导模型对不同的区域和特征进行不同的重构。
也就是说，这个新的模型能够理解，动漫头像必须有大眼睛、更具线条感的头发，以及更鲜亮的发色和瞳色。它会按照这些（从输入的参考头像中取得的）原则去进行翻译。
研究者在论文中提到，他们的这个模型在简单的风格迁移基础上，已经上了一个新的台阶，有了变形的能力 (object transfiguration)。
他们发明的自适应层-实例归一机制 AdaLIN，还有一些其它优势，比如可调节性，研究者可以对层(Layer) 和实例 (Instance) 分别进行调整，从而在输出中实现不同程度的形状和材质变化。
下图中可以看到，从横排第三到第六，是对归一机制进行调整所得到的不同结果：
在文字翻译中，输出的结果要符合对象语言的语法、使用习惯等等。在图片翻译 (image-to-image translation) 中其实也是一样。你可以这样理解：之前的风格迁移，都只是在做“字面翻译”，而 U-GAT-IT 在“信达雅”上实现了突破。
该技术的另一厉害之处，是可以对几乎任何类型的照片（动物、宠物脸部、风景）进行准确的图片翻译，而且不需要对神经网络的参数进行任何调整：
NCsoft 开发的老牌网游《天堂》(Lineage 1 &2)于1998年上线，已经在包括中国在内的多国连续运营21年，还有《永恒之塔》等几款知名游戏。但少有人知的是，实际上 NCsoft 也是韩国在人工智能研发方面最激进的公司之一。
据《韩国时报报道》，NCsoft 在 2011年就已设立了专门研发团队，目前运营着人工智能中心、自然语言处理中心两个独立的研究机构。前者负责游戏AI、语音识别和计算机视觉，后者主攻语言理解和知识系统。
NCsoft 投入深度学习的主要目的，是在游戏和服务中引入相关技术。目前，该公司正在使用 AI 检测外挂，以及基于玩家的游戏习惯和兴趣数据进行服务定制化。
而本文所提到的这项技术，将能够极大改善玩家的游戏体验——或许以后不用捏脸，只要上传头像，就能生成准确的卡通化游戏角色了。
目前，这项技术还没有一个可用的 demo，不过如果你对 TensorFlow 比较熟悉，可以在 GitHub 上浏览代码[2]或阅读原文并按照使用说明，在自己的电脑上跑起来～
