christmAIs-用文本生成抽象图案

【christmAIs：用文本生成(节日贺卡上的)抽象图案】《Let AI design your holiday cards!》

项目介绍：https://stories.thinkingmachin.es/ai-art-holiday-cards/

GitHub地址：https://github.com/thinkingmachines/christmAIs

ChristmAIs（读音：“krees-ma-ees”）是一个能（在假期里）用文本生成抽象艺术图案的项目。

本项目可以通过以下方式将任何输入的字符串转换为抽象艺术：

使用GloVe找到Quick，Draw！中最相似的类；

使用叫做Sketch-RNN的变分自动编码器（VAE）绘制与之最接近的类；

以及将神经样式转移应用于生成的图像

生成的结果大概如下：

设置与安装

请注意requirements.txt和requirements-dev.txt适用于所有与Python相关的依赖项。 值得注意的依赖项包括：

numpy==1.14.2

scikit_learn==0.20.0

Pillow==5.3.0

matplotlib==2.1.0

tensorflow

gensim

magenta

你可以在Dockerfile中看到构建步骤（我们用来在云环境中执行自动构建的步骤）。对于本地开发，建议设置一个虚拟环境。为此，只需运行以下命令：

自动安装

我们创建了一个自动安装脚本，以便在工作区中执行一键安装设置。 要运行该脚本，请执行以下命令：

source venv/bin/activate# Highly recommended./install-christmais.sh

此步骤将会首先安装 magenta 及其依赖项，下载文件依赖项（categories.txt, model.ckpt和chromedriver），然后克隆并安装此软件包。

手动安装

如果需要手动安装，请按照以下指示进行操作：

安装 magenta

样式转换功能依赖于magenta包。目前，magenta只支持Linux和Mac OS。要安装magenta，您可以执行自动安装或执行以下步骤:

#Install OS dependenciesapt-getupdate && \apt-getinstall -y build-essential libasound2-dev libjack-dev#Install magentavenv/bin/pip install magenta

安装其他的部分

然后，你可以在requirements.txt中安装其余的依赖项。如果你已通过make venv创建虚拟环境，我们建议你只需运行以下命令：

makebuild#or`make dev`

这也将（通过 wget ）下载以下文件：

categories.txt（683 B）：包含Quick，Draw的列表！ 比较字符串的类别（将保存在./categories/categories.txt）。

arbitrary_style_transfer.tar.gz（606.20 MB）：包含样式传输的模型检查点（将保存在./ckpt/model.ckpt）。

chromedriver（5.09 MB）：包含用于访问Sketch-RNN的HTML输出的Web驱动程序（将保存在./webdriver/chromedriver中）。

生成文档

确保已安装所有dev依赖项：

然后才能构建出实际的文档

cdchristmAIs/docs/makehtml

运行命令后会生成一个index.html的文件，在浏览器打开就能浏览

运用

我们提供了一个脚本christmais_time.py来轻松生成你的个性化Quick，Draw！ 图片。 要使用它，只需运行以下命令：

如果您按照上面的设置说明操作，那么路径的默认值就足够了，您只需要提供--input, --style和--output.

举个例子，假设我想使用字符串Thinking Machines作为Ang KiukokFisherman风格的基础（ang_kiukok.jpg），那么，我的命令将如下所示：

python -m christmais.tasks.christmais_time \ --input="Thinking Machines"\--style=./path/to/ang_kiukok.png \--output=tmds-output

然后就会生成并输出图片到./artifacts/：

参考资料

Pennington, Jeffrey, Socher, Richard, et al. (2014). “Glove: Global Vectors for Word Representation”. In:Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), pp. 1532-1543.

Ha, David and Eck, Douglas (2017). “A Neural Representation of Sketch Drawings”. In:arXiv.:1704.03477.

Ghiasi, Golnaz et al. (2017). “Exploring the structure of real-time, arbitrary neural artistic stylization network”. In:arxiv:1705.06830.

Magenta demonstration (sketch-rnn.js):

https://github.com/hardmaru/magenta-demos/tree/master/sketch-rnn-js

【AI求职百题斩】每日挑战又双叒叕更新啦，赶紧来看题吧！

想知道正确答案？

回公众号聊天界面并发送“1227挑战”即可获取！