MIT披萨GAN登上了CVPR：加香肠、去橄榄、再烤熟，分层才是王道
算法其实并不是一只GAN，而是许多GAN层层叠叠而生。
吃栗子 发自 凹非寺
量子位 报道 | 公众号 QbitAI
有只会做披萨的GAN，登上了CVPR 2019。
它的工作，并不是生成一张披萨的照片那么简单。
你看，AI可以给披萨铺上帕帕罗尼肠：
服服帖帖，朴素的芝士披萨，也能变成帕帕罗尼披萨了。
如果有素食的小伙伴，AI可以把帕帕罗尼肠拿走，露出底下的芝士来：
仿佛肉被熊孩子挑光了一样。
另外，在下不喜橄榄，也可以让AI帮忙把橄榄拣出去：
既然是“做披萨”的AI，只会加料减料并不够，还要把披萨烤熟：
完成。
这只AI就叫PizzaGAN。为它训练厨艺的，是来自MIT和卡塔尔计算研究所的5位爸爸。
他们说，算法其实并不是一只GAN，而是许多GAN层层叠叠而生。
并且，修炼过程中PizzaGAN吃下了2.8G的真实披萨数据集，以及1.8G的合成披萨数据集。
两个数据集现在已经开放下载了，团队说算法也快要开源了。
在那之前，我们先来看看AI是怎样做披萨的：
井然有序
AI按照食客的要求生产披萨，首先要认识各种配料。
分类、分割都只用了弱监督：通过AMT众包获得了标注数据，在图像层面 (Image Level) 标出有哪些配料就可以。但为了准确，每张图由5个人标注，最后采纳多数人的看法。
数据有了，要怎么用呢？
一层叠一层
就像开头提到的那样，PizzaGAN不是一只GAN，而是模块化的：
每种配料都有两个算子 (Operator) ，一个用来加料，一个用来减料。每个算子都是一只GAN。
比如，这是加帕帕罗尼肠用的GAN：
它的生成器和普通GAN不同，不会生出一张全新图像，而是在输入图像的基础上，生成一层加帕帕罗尼肠的新外观 (称作A+) 。
还生成一个Mask (称作M+) ，用来把新外观叠加到原图上，它会显示出哪些像素和原图不同。
有了A+和M+，就可以给芝士披萨，铺上一层帕帕罗尼肠了。
去掉帕帕罗尼也是同理：
GAN要生成一层新的外观 (A-) ，显示出去掉食材的部分本来的样子。
也生成一个Mask (M-) ，来指示原图里的哪些像素，在新图上会发生变化。
有了M-，就可以把A-这层新外观叠加到帕帕罗尼披萨上，得到一张芝士披萨。
罗勒，蘑菇，菠萝粒…..不想要的配料，全部可以去掉：
除此之外，注意一下，比起加料模块，减料模块拥有更重要的使命：
它们可以把输入的一张披萨，拆解成很多层，每层一种料，然后就可以按需加减了。
那么问题来了，是不是只要知道有哪些料，按随性的顺序来拆解就行？
琵琶半遮面
不不不，AI可以从遮挡关系上，判断出哪种料是先加的，哪种是后加的。
举个栗子，这里有一红一绿两个圆，红上绿下。
如果，先去掉红色、再去掉绿色，那么去掉红色的时候，绿色的圆会被AI补充完整。
反过来，先去掉绿色、再去掉红色的话，绿色的圆就补不齐了。
这样说来，先去掉红色比较合适。那么AI是怎样判断的呢？
根据Mask来看，先去红色再去绿色，两个Mask之间会有交集，反过来就完全没有交集了。
交集更多，就是更合理的顺序，AI便是这样推测减料的先后。
而最先去掉的料在最上层，也就是最后加的料。所以，把减料的顺序翻过来，就是加料顺序了。
撒好配料之后，放进烤箱：
一回熟二回生
最后一步，团队手动标注了932个真披萨，一部分是烤熟的，一部分还没烤。
这些数据用来训练AI，把生饼变成熟饼：比如面饼变得金黄，下层的番茄酱在上层的配料之间透出更迷人的红。
△ 开头出现过了，复习一下
只不过，芝士会融化这个知识点，对GAN来说可能还是有些困难了。
另外，由生到熟的过程，对人间的食物来说并不可逆。但AI能把已经烤熟的披萨，变回刚刚撒完配料的样子：
神奇的是，芝士仿佛从融化的状态，变回了一粒一粒的芝士碎。
这样一来，把忘了加的配料撒上，还可以重烤一次。
真是一只随和的AI。
得天独厚
MIT的一位少年，把自家的成果发上了推特。
楼下便有观众，对研究人员的脑回路表示服气：
看到论文题目，还以为只是提出分层 (Layering) 的概念，没想到居然真在“做披萨”。
少年也开心地回复了观众：
没错，就是提了分层的概念，可披萨刚好是分层加料的，所以是完美的搭配哟。
那么问题来了，论文题目叫什么呢？
果然不是一篇正常的CVPR。
论文传送门：
https://arxiv.org/abs/1906.02839
项目主页，有Demo：
http://pizzagan.csail.mit.edu/
- 马云正式卸任后，阿里巴巴开盘跌0.87%2019-09-10
- AI独角兽云知声，已完成一期科创板IPO辅导2019-10-17
- 亚马逊在华拓展云计算团队，挑战阿里巴巴和腾讯2019-10-16
- IDC：今年上半年中国公有云服务市场规模达54.2亿美元2019-11-07
相关阅读
AI能写出靠谱医学报告了，CVPR2021收录｜腾讯医典出品
本次腾讯医典AI入选的论文《Exploring and Distilling Posterior and Prior Knowledge for Medical Report Generation》，创新地提出了后验-先验知识探索及蒸馏(PPKED)框架，模仿人类医生的判读方式，结合先验和后验知识来生成报告，以提高最终生成的医学报告质量，针对性弥补了这一不足。
