Οι τεχνικές βαθιάς μάθησης (deep learning) αποτελούν κομμάτι αυτού που γνωρίζουμε ως τεχνητή νοημοσύνη. Τα τελευταία χρόνια πολλοί ερευνητές ασχολήθηκαν με τη χρήση του deep learning στο χώρο της τεχνητής νοημοσύνης, όπως για παράδειγμα "Image Style Transfer Using Convolutional Neural Networks" - (Μεταφορά στυλ εικόνας με χρήση συνελικτικών νευρωνικών δικτύων).
Με πιο απλά λόγια χρησιμοποιούμε τον υπολογιστή ως μαθητή, οποίος μελετά σε επίπεδα μια εικόνα η οποία θα μπορούσε να είναι ένα έργο τέχνης, "μαθαίνει" από αυτόν και στην συνέχεια του ζητάμε να μεταφέρει αυτά που αποκόμισε σε μια νέα εικόνα η οποία μπορεί να είναι μια φωτογραφία ενός τοπίου - πορτραίτου ή οτιδήποτε άλλο.
Η διαδικασία είναι εξαιρετικά επίπονη για τον υπολογιστή μας και απαιτούνται υπολογιστικοί πόροι πολύ πάνω του μέσου όρου.
Στα πειράματα χρησιμοποιήθηκε η γλώσσα processing και εκπαιδευμένα μοντέλα Torch μαζί με τις δυνατότητες της opencv, ώστε να διαπιστώσω εάν είναι δυνατόν να εφαρμοσθεί αυτή η υλοποίηση σε έναν υπολογιστή (φορητό) μικρών δυνατοτήτων ακόμα και σε ζωντανό (realtime) video.
Στα πειράματα χρησιμοποιήθηκε ένα μοντέλο ως το "στύλ" για μελέτη με έργα διαφόρων μεγάλων καλλιτεχνών και μια εικόνα ή ζωντανή ροή βίντεο για τον "στόχο" μεταφοράς του στυλ.
Φλώρινα με στυλ composition VII Kandinsky
Φλώρινα με στυλ composition VII Kandinsky.
H Φλώρινα σαν Γκερνίκα
στυλ guernica - picasso.
H Φλώρινα σε διάφορα στυλ
H Φλώρινα σε διάφορα στυλ.
Σε υλοποίηση με ζωντανή ροή εικόνων είναι δυνατόν να μελετήσουμε ή/και να ζωντανέψουμε με "ηθοποιούς" ένα έργο όπως για παράδειγμα την κραυγή του munch.
.