據外媒報道，畢業於卡內基梅隆大學的人類計算機互動研究員維克多·迪比亞試圖用非洲面具資料集來培訓人工智慧系統。

他利用谷歌的 TensorFlow 機器學習框架來獲得一個生成性對抗網路。

為了「教導」DCGAN 如何建立新的面具設計，迪比亞採購了一套手動策劃的影象 - 總共 9，300 個 - 描繪了非洲面具。

他表示，「我們的目標不是生成一個完美逼真的面具…… 而是更多地觀察由此產生的 GAN 中編碼的任何創意或藝術元素」

正如Dibia在一篇部落格文章中所解釋的那樣，這項 工作的靈感來自於去年9月在南非斯泰倫博斯大學舉辦的2018年深度學習Indaba之旅。與會者可以使用第二代Tensor Processing Units（TPU） - 谷歌設計的晶片專門用於快速培訓或推斷AI模型——Dibia用於培訓。

他利用谷歌的TensorFlow機器學習框架來獲得一個生成性對抗網路（GAN） - 一個由兩部分組成的神經網路，由 生成樣本和鑑別器的生成器組成， 這些生成樣本和鑑別器試圖區分生成的樣本和真實樣本 - 在熱塑性聚氨酯。具體來說，他選擇了一個深度卷積GAN或DCGAN。

GAN具有影象生成和處理的訣竅。例如，Alphabet子公司DeepMind的資料科學家最近要求GAN生成令人信服的漢堡，狗和蝴蝶照片 ，愛丁堡大學感知研究所和天文學研究所的研究人員使用GAN建立完整的人造星系影象。星團，星雲和其他星際特徵。

上圖：由DCGAN生成的掩模樣本，由訓練的資料集進行訓練。

並不是他們和其他人工智慧架構第一次被用來創作藝術品。他們創作了令人難忘的（如果不是完全連貫的） 假日曲調 和書面 歌詞 ； 製作人性化的畫作 ； 並列舉了煙花的名稱，僅舉幾例。

為了“教導”DCGAN如何建立新的面具設計，Dibia採購了一套手動策劃的影象 - 總共9，300個 - 描繪了非洲面具。在訓練之前，他將每個影象調整大小並裁剪，然後再將它們轉換為TFRecords，這是一種儲存二進位制記錄序列的格式。

對兩個版本的DCGAN模型進行了訓練，分別生成64×64畫素和128×128畫素的影象。

在隨後的實驗中，與第二個系統相比，生成64×64畫素圖片的模型提供了“更好的多樣性”，而128×128畫素的影象具有更高的質量。但是後者遭遇了模式崩潰 - 一個失敗的情況，即GAN的發電機開始生產品種極少的樣品。（Dibia將其歸結為資料集“不足以訓練這麼大的模型。”）

兩個AI模型中更成功的是設法提出了具有側向方向，頭髮或“毛髮狀突起”或長方形特徵的新型面具。

“我們的目標不是生成一個完美逼真的面具……而是更多地觀察由此產生的GAN中編碼的任何創意或藝術元素，”Dibia寫道。

“在這種情況下，雖然一些生成的影象不是完整的面具，但它們擅長捕捉非洲藝術的紋理或感覺，”Dibia寫道。“例如，我展示了一位同事，他們提到生成的影象具有‘部落感覺’。”

他留待未來的工作擴充套件非洲面具資料集，使用條件化GAN進行實驗，以及其他機器學習架構，以實現逼真和更高解析度的影象生成。