你说，英伟达StyleGAN能生成这样可爱的老婆，还要什么自行车？
不不不。包括StyleGAN在内的算法，要么是保留了高级语义，不能在语义层面控制画风；
要么是能学到某个特定领域的画风，但又很难扩展到多种多样的画风。
总结成一句话，就是根本不能定制自己的老婆。
南加大的两位男子，深感前辈的算法不够用，自行开发了不一样的老婆生成器：
新的算法基于风格迁移，可以把画风和内容分开定制。
画风，就是妹子的质感。比如，这张六花晶莹透亮，头发泛着光，脸庞泛着光：
控制这样的画风，不限内容，就能生成许多反光能力很强的妹子。发色、瞳色、表情都不一样。
内容，就是妹子的特征。比如，你喜欢蓝发，紫瞳，轻微嘟嘴。
只限内容，不限画风，就会生成许多你想要的妹子：
老婆定制技能达成，每一天都是人生巅峰。
那么，研究人员是怎么登上巅峰的？
如何拆分画风和内容
预警：前方有晦涩句子，但不超过三句话。
团队说，风格迁移可以表述成一个一般问题 (General Question) 的特定实例 (Particular Instance) 。
数据集，要有两个互补的变化因子 (Factors of Variation) ，其中一个是标注好的。目标是训练一个生成网络，能把两个因子拆分开来，独立控制。
具体到生成老婆的任务上来，两个因子就是画风和内容了。
首先，画风是怎样定义的呢？
团队决定把不同的人类画家的作品，标注成不同的画风。
比如，上面这两个妹子都来自Sayori；下面这两个妹子都来自Swordsouls。
在这两位艺术家的熏陶之下，AI解锁了两种不同的画风：
除此之外，还要解决“内容”的问题。
研究人员用了独立于画风的内容编码 (Style Independent Content Encoding) ：训练一个编码器，尽可能多的编码图像内容相关的信息，而不去包含风格信息。
回顾一下，开头出现的那些蓝妹子，就是从这里开始孕育的。
可是，自编码器生成的图像，自古以模糊著称。
所以，需要有一个双条件生成器 (Dual-Conditional Generator) ，才能生成清晰美好的老婆。
这个生成器，是基于辅助分类器GAN (Auxiliary Classifier GAN) 的原理打造而成。
到这里，自编码器 (第一阶段) 和生成器 (第二阶段) ，一同组成了完整的老婆定制工具。
猫娘爱好者
问题来了，到底是怎样的人类，开发了这个造福人类的算法？
论文的一作，是来自南加大的项思陶，一位每日同猫娘说晚安的少年 (说不定算法也是为了生成猫娘，才开发的) 。
下面是少年的香草cos图，背景为傍晚的实验室。
安全起见，在下决定不放出完整版。但你可以自己去找啊。
论文传送门：
https://arxiv.org/abs/1905.10742
少年的个人网站：
https://stormraiser.me/
— 完 —
“
