小时候，我每次看《奥特曼》，脑海里都会出现两个疑问：正义的奥特曼，为什么总在关键时刻断电？怪兽丑的各有特色，这设计灵感是噩梦给的吗？

后来我才知道，主角命运的跌宕起伏是剧情需要，怪兽的设计灵感则来源于神话传说。据圆谷公司说，当时在设计怪兽形象的时候，他们补了很多神话故事，一遍遍组合，一版版出草图，才得以定稿。

这部剧的每一个细节，都在诠释圆谷公司的匠心

不管是数码宝贝还是哥斯拉，每一个非现实类的生物形象，背后都是一场漫长的艺术接力，在这个过程中，创作者最大的挑战，就是在不牺牲创意的情况下，快速迭代想法。

如果有一支神笔，简单挥几下，就能直接把创意变成图像，那该多好。

谷歌就造了这么一支“神笔”。

1、

谷歌推出了一个 Web 画图工具，名字叫做 Chimera Painter，它能够把你的随手涂鸦，转换成带有 3D 效果的小怪兽，效果就像下面这样。

怪兽生成器 Chimera Painter 是一种机器学习模型，它的背后，依然站着当红辣子鸡：生成式对抗网络 (GAN)。

说到图像领域的 GAN，想必大家应该都不算陌生，它是两个卷积神经网络的组合，你可以理解为两个小人在博弈。

一个小人叫生成模型，任务是以假乱真，造出能媲美原图的照片就算赢；另一个小人叫判别模型，任务是明辨是非，需要判断眼前这张照片到底是原图，还是对手生成的。

经过长期的斗智斗勇，双方的水平都越来越高，基于 GAN 训练出来的 AI，也就越能满足实际需要。

在开发 Chimera Painter 绘画神器之前，谷歌研究团队发明了一个数字纸牌游戏：玩家随意组合两个真实动物的身体部位，合成一个怪兽，怪兽间可以互相决斗。

每张纸牌的攻击值，取决于上面的怪兽；而怪兽的技能，则取决于组合前的两种动物。

比如，玩家选择美西螈和鲸鱼，在随意组合它们的身体部位后，就可以获得一个可怕的非现实怪物——美西螈鲸鱼嵌合体，并派它去战斗。

谷歌给这种组合限定了两个条件：

1、要有一种方法，可以让各部位快速合为一体；

2、合成后的生物，必须保留原始生物的视觉特征。

为了让结果满足这两个条件，谷歌使用了 GAN 的一种变体：条件 GAN。

与一般 GAN 侧重于照片真实性的目的不同，条件 GAN 的目标，是把不同生物的身体部位完美组合在一起。

要想训练好机器学习模型，数据集很关键。

谷歌研究团队创建了一个全彩的图像数据集，里面包含了每一种生物的轮廓，这些轮廓改编自 3D 生物模型，图像除了描述每种生物的形状和大小外，还附带了分割图，以便让生成器分清眼睛、鼻子、尾巴等不同部位。

在游戏创作者的协助下，谷歌选出了表现最好的模型，放进了 Chimera Painter。

在使用 Chimera Painter 时，你同样需要让模型知道，你涂鸦出的生物分别有哪些身体部位，这一点很容易做到：描绘身体部位时，选择绘画框左侧的身体部位标签，如眼睛、鼻子、尾巴等，每种标签颜色不同。

画完后，点击“转换”按钮，Chimera 就能生成对应的 3D 怪兽了。

2、

让机器学习模型创造新生物，听起来简单，背后其实有一个大难题：如何保证身体部位的连贯性？

对 AI 来说，它不认识任何一种生物，在生成新物种的时候，即使你选择了标签，告诉它哪个是头，哪个是脖子，依然很容易出现细节丢失的情况，令人毛骨悚然。

比如下面这张图，身体部位乱成一团，比丧尸大片更让人难受。

为了解决这个问题，谷歌团队开发了一种以用户为主导的半自动方法：直接从 3D 生物模型中创建训练数据集。

教 AI 认识 2D 图，生成 3D 图，这条路对它来说有点难，容易出错，不如直接教它看 3D 图，这样一来，它就能知道，立体生物的身体部位是如何衔接的，降低图像四肢扭曲等的概率。

举个栗子，选择鬣狗和狮子这两种基础动物，混合后，就拥有了一个鬣狗-狮子嵌合体。接下来，针对新生成的嵌合体，制作两幅纹理图：一个是最终成品图 (左边)，一个是部位细分图 (右边)。

实例数据集训练图像及其配对分割图

最后，借助虚拟引擎，把右侧的部位细分图渲染到 3D 模型上，供 AI 训练，确保它了解图中生物身体部位的特定结构、形状、纹理和比例等信息。

借助这种方法，谷歌团队为每个 3D 生物模型，都生成了 10000 多个图像+分割对比图，并在不同的姿势、视角和每个 3D 生物模型的缩放级别之间进行插值，最终制成具有超强实操性的 GAN 训练数据集。

3、

GAN 中有许多可以调整的超参数，超参数的大小，会影响输出图像的质量。

为了选出创造性能最佳的模型版本，谷歌研究团队收集并分析了模型生成的每个样本，从中提取出一些显著特征，如画面深度，面部、眼睛的真实感等。

这些特征不仅将用于训练模型的新版本，而且能在模型生成成千上万的生物图像之后，从每种生物类别（例如瞪羚，山猫，大猩猩等）中选出最佳的图像。

使用条件 GAN 创建生成的嵌合体

另外，特征权重的不同，也会影响最终生成图像的外观，下面是在不同权重下训练 GANs 的结果。

使用不同的感知损失重量生成的恐龙-蝙蝠嵌合体

图片中的颜色变化主要是数据集导致，因为数据集中的一个生物，可能含有多种纹理，比如蝙蝠有红色和灰色之分，导致最终组合出来的生物，颜色上也有很大差异，特定值会产生更清晰的面部特征，让生成的生物更具有真实感。

在人类运用工具的历史中，人工智能称得上是最强大的一种工具，它在承担重复、繁琐、计算量大的工作的同时，也把想象力和创造力让渡给了人类。

当 AI 成为绘画助手时，更大的创作空间已经为创作者打开。

广阔天地，皆可作为。

参考资料：

1、https://storage.googleapis.com/chimera-painter/index.html

2、https://ai.googleblog.com/2020/11/using-gans-to-create-fantastical.html

嗨，这里是浅黑科技，在未来面前，我们都是孩子。

想看更多科技故事，欢迎戳→微信公众号：浅黑科技：qianheikeji