本文为 AI 研习社编译的技术博客，原文 This Machine learning Algorithms Can Turn Any Line Drawing into ASCII Art，作者 Daniel Oberhaus 。 翻译张硕玺 校对余杭 整理余杭
人类使用计算机创造的艺术形式已被计算机学会 回顾 1960 年代，贝尔实验室的天才们想出了用计算机语言来绘画的方法。这种绘画形式叫做 ASCII 绘画，尽管这种绘画需要使用计算机，但很难让计算机自动生成图片。尽管 ASCII 绘图生成器已经存在了很多年，但他们始终不能很好的转换复杂的手工图片。 现在，就读于大阪大学的医学院研究生 Osamu Akiyama，同时也是名 ASCII 画家，创造出了通过模拟人脑运作机制的一种机器学习架构——神经网络，相比手工，这可以生成任何线条图片的 ASCII 码绘画。
ASCII 码绘画是通过使用美国信息交换标准代码（一种用来将机器语言翻译成人类语言的编码系统）中所定义的数字与字母创造出来的。 有趣的是，秋山构建的神经网络使用日本字来生成图片，而非使用 ASCII 码来生成图片。
秋山选取日本流行的留言板 5channel 与 Shitaraba 上的 500 个 ASCII 码绘画来训练神经网络模型。秋山在邮件跟我吐槽，说目前遇到的主要问题在于训练的手工 ASCII 码绘画由于来自于网络，所以并没有引用相关原始图片。这意味着这样的算法很难学习线条图片是如何转换成文字图片的。 为了解决这样的问题，秋山使用了其他研究者的神经网络去清洗图像，这样就可以将 ASCII 码绘画转换成原始线条图片。通过这种方式估计出的原图，就可以用来作输入来训练神经网络学习用哪些字符来生成相应 ASCII 码图像。 通过这样的训练，神经网络就可以生成与手工相媲美的 ASCII 码图片。秋山基于图片相似度算法，将这种图片和其他生成器以及手工生成的图片作比较，发现机器学习生成的 ASCII 码图片与原图更具相似性。 ASCII 码图片的对比：第一行为原图。第二、三行为使用免费提供的 ASCII 生成器生成的图片。第四、行为通过秋山的神经网络生成的图片，而第五行是一位 ASCII 码画家所画。 秋山的论文表明：「确实，对比人工 ASCII 绘画，由算法自动生成的 ASCII 码图像与原图更具相似性。」因此，我们可能需要在未来要求人类评论家重新评估艺术的质量。 秋山并非首个将神经网络引入 ASCII 艺术的。之前也有少数几个相关项目，比如 ASCII NET 和 DEEPASCII 同样探究如何将深度学习引入这一特殊的艺术形式。 尽管这种算法可以将原图生成最具可信度的 ASCII 效果图，秋山依然倾向人类在 ASCII 绘画的作用。 他电邮我说：「相比其他现存工具，我可以通过这种方式生成最像人工图片的 ASCII 图像，但始终还是手工完成的图片更美。」 想了解更多秋山算法生成图片的例子，你可以点击这里的 Github 链接。
|
