引子：有段子手言，地球上的人一半在用Pokemon Go追皮卡丘的時候，剩下的一半在用Prisma修圖！這款由俄羅斯創業團隊研發的圖片處理app，從研發到上線僅幾個月就用戶量驚人，更讓人驚訝的是，團隊僅僅只有四個人。這真的可能嗎？
如果你是因為標題黨而進來，謝謝并希望你離開的時候能獲得你想要的干貨；如果你已經猜到了答案，也謝謝你愿意進來驗證你的猜測。
沒錯，火遍朋友圈的修圖工具Prisma的背后就是最近流行的四個字：深度學習。啊對，就是一個深度神經網絡模型，很深很深的網絡模型，大概有19層那么深。（咦這個確實好深啊，貌似那個下圍棋的alphago也就13層~）
不是說干貨么，這就完了？當然不行。那咱能直接跑一個模型玩玩嗎？貌似也不太行。跑這樣一個神經網絡模型，需要你的計算機有一顆強大的心臟（最好有個GPU啥的），然后，你需要安裝一堆lua，torch，caffe，cuda之類的玩意兒。你以為prisma和別的app一樣，是靠你那小手機就能搞出這么炫酷的樣式嗎？非也，它的背后必須有一個強大的云服務器。不信你斷網，再拿prisma試試。
所以，prisma是把你的圖片壓縮好后，用網絡傳送到了他家服務器，然后處理結束再傳給了你。
嗯這還不是特別干的干貨，下面才進入正題。也許你會覺得有點枯燥，不過希望我盡量能講的通俗，你盡量能收點干貨，而那些繁瑣的數學公式和略晦澀的術語我會跳過。
下文主要參考自論文：A Neural Algorithm of Artistic Style（by Leon A. Gatys, Alexander S. Ecker, and Matthias Bethge）
在深度神經網絡的家族里，處理圖片最給力的模型叫卷積神經網絡（Convolutional Neural Network，簡稱CNN）。CNN的每一層結構和一般的NN不太一樣，它的每一層就像一個過濾器，分層次的處理輸入圖像。每經過一層，就會更抽象一些，術語上來說是對上一層的特征提取。所以，每一層都可以看作為一個特征映射（feature maps）。
當CNN被用來訓練識別物體（object recognition）時，研究者構造了一種網絡結構，它可以使物體信息逐層更明顯地提取出來，也就是說，這種網絡結構關心的是圖片內容（content）。每一層的feature maps都可以用來重構圖片，較深層次（high-level）的重構，如下圖第二排d，e，更多的捕捉內容而忽略像素，而較淺的，如下圖第二排a，b，c，僅僅是像素的復制。因此，研究者多采用較深的網絡結構來做內容重構（content representation）。
而CNN模型也同樣可以用來做風格重現（style representations）。這時，研究者使用一種原創設計的特征空間（feature space）來提取圖片的紋理信息（texture information）。feature space會加在每一層過濾層之上，它包含的是不同過濾層處理后的feature maps之間的相關性。這樣處理后得到的僅是圖片的紋理而不是整體布局（global arrangement）。如上圖第一排所示。同樣的，較深的網絡層可以更好的提取紋理而忽略內容。
論文研究者的發現是：content representations和style representations是可以分離的！且重新組合后可以成為一張全新的圖片，它具備名畫（artwork）的風格和我們自己的照片的內容。這就是prisma提供給我們的修圖效果。同時，內容重現和風格重現在重構過程中是可以權衡的（trade-off）。所以，prisma也具備了百分比設置功能，即多大程度保留內容。
而其實這項技術在2015年8月左右就已經在github上公布了，搜索deepdream可以找到。而如今它真的成為了一款流行市場的互聯網產品，歷時將近一年。這從技術開發到面向市場的速率也非常驚人。再看自動駕駛技術，糅合人工智能，AR/VR等技術，雖然如今還事故頻頻，但相信將來也會技驚四座。
以上用一句話概括就是，深度學習實現了藝術內容和藝術風格的分離與重構。雖然這還談不上創造力，但也算art and science的完美結合！這不愧說—— Data scientist is the sexist job of 21st century.
———— END ————
參考鏈接：
https://github.com/jcjohnson/neural-style
