你只需输入一张「小丑」的照片。
这个程序就如同画家一样，一笔一笔画出他的油画画像。
这就是艺术型神经绘画。
双路神经渲染的矢量图，更清晰、更逼真
艺术型神经绘画是由密歇根大学安娜堡分校、网易伏羲AI实验室、北航共同发布的研究成果。
他们提出了一种从图像到绘画的编译方法，输出生动逼真的艺术画。
研究人员还设计了一种新型的神经渲染器，模仿矢量渲染器的行为，然后将笔画预测作为参数搜索过程进行构架，来提高输入图像与渲染输出图像之间的相似性。
该研究使用了双路径的神经渲染方法，用着色网络和栅格化网络分别处理图像的颜色和形状。
△双路径的神经渲染方法
这个方法，使渲染出来的画，既保留了原图的风格特征，也创作出独具特色的精美艺术画。
程式化神经绘画在向量的环境下处理图像，生成的是矢量图像。
矢量图像无论放大多少倍可以清晰的查看。
除了生成油画风格，还能根据环境，生成不同风格类型的合成图。
对生成的图像进行风格转换
由于在参数搜索范式下构建笔画预测模式，这个方法也适合神经样式转换框架。
假如输入的颜色和质感的图像模型，根据你的图像模型，生成相应风格的图像。
例如这张向日葵，你希望它展示出火一般的热情，或者是彩色玻璃的质感，它都会呈现出来。
这种艺术型神经绘画风格转换结果，无论在整体外观，还是在局部纹理，都有较高的保真度。
像素绘画与美国艺术家对比
艺术型神经绘画还可以用于创建8位图形作品。
美国著名艺术家亚当·李斯特（Adam Lister）通过将像素化图形的解构，与水彩颜料的透明度和丙烯酸颜料的平整度结合，将经典图像分解为最基本的像素形式。
△亚当·李斯特（Adam Lister）和他的像素画
在这里，将他们的像素化的8位图作品与这位艺术家的作品进行对比。
左边是原图，中间的是神经绘画作出来图像，右边是艺术家亚当·李斯特（Adam Lister）的画的像素画。
神经网络绘画出来的作品，可以和艺术家的作品相媲美了。
