讓我們想象一下這樣的場(chǎng)景，一片一望無(wú)際的麥田中種著一棵橡樹，以及萬(wàn)里無(wú)云的天空所營(yíng)造出的一個(gè)陽(yáng)光明媚的午后。當(dāng)大多數(shù)人讀到這句話時(shí)，可以很容易就在他們的腦海里想象出這樣的田園景象。這種人類所獨(dú)有的能力可以讓你在讀到一個(gè)場(chǎng)景的描述后，想象出這樣的場(chǎng)景。不過，這一珍貴的技能可能不再是我們?nèi)祟愃?dú)有的了。

這類在你看來(lái)可能想象力遠(yuǎn)遠(yuǎn)超越了當(dāng)今計(jì)算機(jī)能力的事情，將由來(lái)自日本東京大學(xué)的Hiroharu Kato 和 Tatsuya Harada 所帶來(lái)。

最近，他們公布了一臺(tái)計(jì)算機(jī)，它能將一個(gè)對(duì)物體的描述轉(zhuǎn)換成圖像。這就是對(duì)想象力所作出的一個(gè)完美定義。

可以肯定的是，這些計(jì)算機(jī)的想象力還比較簡(jiǎn)單，甚至有時(shí)十分混亂且沒有任何意義。但不可否認(rèn)的是，這臺(tái)計(jì)算機(jī)代表著計(jì)算機(jī)的創(chuàng)造力顯著地向前邁進(jìn)了一大步。

計(jì)算機(jī)科學(xué)家長(zhǎng)期以來(lái)都是利用文字管理來(lái)處理圖像，這一方式十分直接，例如：用戶在搜索引擎中輸入一個(gè)單詞或一系列單詞，并利用關(guān)鍵詞得到高度相關(guān)的圖像。這并不是因?yàn)橛?jì)算機(jī)擁有特殊的能力來(lái)理解用戶輸入的關(guān)鍵詞。事實(shí)上，通過關(guān)鍵詞來(lái)得到結(jié)果的技術(shù)已經(jīng)非常強(qiáng)大，但與此相反，在處理圖像時(shí)就無(wú)法發(fā)揮出等效的能力。

因此，幾年前計(jì)算機(jī)科學(xué)家開始將圖像當(dāng)作一系列像素來(lái)對(duì)待，圖像會(huì)被分成一系列的短序列，每個(gè)序列對(duì)應(yīng)于圖像的一個(gè)特定部分。例如，一個(gè)短序列可能對(duì)應(yīng)于一個(gè)杯子的邊緣、皮膚的某個(gè)區(qū)域或天空的某部分。

這些短序列對(duì)人類可能沒有什么意義，但對(duì)計(jì)算機(jī)而言就能將它們視為關(guān)鍵詞。因此，一臺(tái)電腦分析一張圖片就能通過計(jì)算序列的數(shù)量以及出現(xiàn)的頻率，就像是通過計(jì)算文檔中詞語(yǔ)的出現(xiàn)頻率一樣。計(jì)算機(jī)科學(xué)家稱這些序列為“視覺關(guān)鍵詞”。

Kato 和 Harada 的方法則是反其道而行，想要鑒于視覺關(guān)鍵詞的分配，而得到原始圖像。這是一個(gè)非常困難的技術(shù)問題，雖然視覺關(guān)鍵詞可以描述圖像的一部分，它并不能解釋在圖像中的什么位置。

Kato 和 Harada 用兩種不同的方法來(lái)處理這一問題。

• 首先是評(píng)估每個(gè)視覺關(guān)鍵詞如何和其他視覺關(guān)鍵詞組合在一起。這一過程并非十分簡(jiǎn)單，因?yàn)橐曈X關(guān)鍵詞沒有任何明顯的形狀，因此并不能像拼圖一樣適合被組合在一起。

• 第二種方法是評(píng)估給定的視覺關(guān)鍵詞應(yīng)該出現(xiàn)在圖象特定部分的可能性。例如，表示天空區(qū)域的視覺關(guān)鍵詞更可能出現(xiàn)在圖像的頂部。

有了以上兩種方法的鋪墊，最后 Kato 和 Harada 會(huì)使用自己的方法讓計(jì)算機(jī)能夠明白人類普通的日常句子，并生成相應(yīng)的圖像。他們會(huì)把語(yǔ)句中的每一個(gè)單詞轉(zhuǎn)換成視覺關(guān)鍵詞，然后再將關(guān)鍵詞轉(zhuǎn)換成圖像。而把普通的單詞轉(zhuǎn)換成視覺關(guān)鍵詞同樣又是另一個(gè)棘手的任務(wù)。

整個(gè)項(xiàng)目困難重重，但這是一個(gè)充滿希望的開端，并希望能夠開辟一條通往新世代的圖像創(chuàng)建系統(tǒng)之路。

via technologyreview

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。