看图，永远比看字省事。
比如说，相比看文字版小说，看小说改编的漫画更简单轻松。
那么，如何把一段故事自动变成漫画呢？
AI已经可以做到了。给它一段故事，它就可以用图片把故事讲出来，稍加修改，就变成了一套连环画。
像这样的一段故事：
很久以前, 有个小男孩在森林里迷路了, 他走了好久, 都走饿了, 他很想吃妈妈做的饼, 可这时候小男孩回不去呀, 于是他就在地上画了一个大大的饼, 还在饼上点 上芝麻。
小男孩看着看着, 好像自己已经吃上了大饼, 于是他觉得自己不是很饿了, 重新站起来沿着一条小路走.。
很快, 小男孩的爸妈就找到了他, 他们一起回到家, 吃上了真正香喷喷的饼。
AI可以把它变成这样的漫画：
而且，这种漫画形式还可以在电影工业中充当故事板，辅助电影人们进行艺术创作。
找到能讲故事的图
那么这个过程是怎样实现的呢？
首先要说明一点，这些图片并不是AI凭空画的，而是采取了一种更简单省事的方法：
从现成的图库里找出一些构图相似的，拿来改一改。
这里的图库，叫做GraphMovie数据集，数据来源是一些影评网站。
但是数据集里的图很多，怎么才能用AI自动的找出最符合你故事的图片呢？
这里用到了一个模型，叫做情景感知密集匹配模型（Contextual-Aware Dense Matching model，CADM）。
它长这样：
根据故事的内容，CADM找到了这样的一些图像：
另外，还有一个模型叫做No Context，它是此前“看字找图”这个领域中表现最好的AI。
No Context也找了一些图像出来：
不过，图还是有点少，人家好歹也是个完整的故事，你总不能拿这么几张图就讲完，这样故事没有细节，读者的体验也不好。
现在，请出第三个模型：贪婪解码算法，它负责根据故事里的细节，再找找能用上的图。
让它出马来补一补之后，故事立马就完整了：
把图片的画风统一
不过，就这样的效果，你会看得糊里糊涂，好像并不能传达出前面文本里的故事。
问题出在哪儿呢？
第一个问题是，图片里有许多背景、环境等相关元素，跟故事主线毫无关系，看到它还会影响你对故事的理解。
需要把这些冗余元素删掉，这里用到了何恺明的成名作Mask R-CNN，进行区域分割，删掉图片中和故事不相关的部分。
现在，这些图片长这样：
第二个问题，这些图片的画风实在是差异太大了，把这样的漫画拿出去，会被读者打的。
所以，需要把图片的样式统一起来，这里用到了一个工具CartoonGAN，从字面意思就可以理解，这是一个让图片变成卡通风格的GAN（生成对抗网络）。
在卡通GAN处理之后，这组图片变成了这样：
似乎好了一些，但是还有一个大bug：这些人长得不一样呀！你说他们是同一个故事的主角，打死我也不信。
于是，第三个问题来了，怎么才能让这些人都长成一个样？
这里，研究者们直接找了一个软件，叫做Autodesk Maya，是一个在电影里处理3D图像的软件，靠它制作出3D的场景、人物和道具，用半手动的方式把9张图片里的人全变成一个样。
不过论文作者表示，未来这个制作3D图像的过程有望全自动生成。
这一顿操作，是真的猛如虎，9张八竿子打不着边的图，现在画风一致、故事流畅，甚至还补充了背景和美化。
在电影工业中有大用途
其实，这样生成的“漫画”并不是最终结果。
它其实是用来拍电影的。
拍电影的准备过程中，需要一个Demo叫做“故事板（storyboard）”。
借助故事板，电影人在创作的过程中就可以先改Demo，定下来之后再完成成品，把撕逼的过程放在前面，防止做完之后甲方爸爸再提修改意见，导致工作量急剧提升。
因此，像这篇论文里这样，自动生成故事板，就可以节约电影人的许多时间，提高创作者们的生产效率。
人大博士出品
这篇论文的作者团队非常庞大，一共9位作者，分别来自中国人民大学、微软和北京电影学院。
一作陈师哲目前在人大读到了博士五年级，也是曾在微软小冰团队实习，还曾经赴CMU和阿德莱德大学访学。
她也是一位学术达人，仅仅今年一年，包括这篇论文在内就已经发了三篇顶会一作。
另外，微软小冰团队首席科学家宋睿华也参与到了这项研究中。
宋睿华博士毕业于清华大学，长期研究短文本对话与生成、信息检索与提取等领域，曾担任SIGIR、SIGKDD、CIKM、WWW、WSDM等会议的程序主席或高级程序主席。
共同学习，写下你的评论
评论加载中...
作者其他优质文章
