随手涂鸦，一键秒变动画，Meta 整活「火柴人」宇宙，能跑能跳还能加背景，18 万张图训练

小时候，小编最喜欢上的就是美术课。

给我一盒 24 色的水彩笔，我能坐一下午不带起来的。

因为，对于每个人来说，从小到大，在白纸上肆意涂抹、创造、发挥的感觉都是非常美妙的。

可以理解为情绪的宣泄口，也可以饱含对未来的畅想。

今天，Meta 推出了一个全新的 AI 系统，可以把我们随手在纸上画的涂鸦变成活灵活现的动漫。

小时候就幻想过自己笔下的人物能跳出纸张动起来，而 Meta 帮我们实现了这个美好幻想。

18 万张！数据集

而实现的过程也没那么复杂。

Meta 有一个包含 18 万张的日常随手绘画的数据集，还有一整套动画的代码。而该数据集也是全球首个以涂鸦这种艺术品为特征的带注释数据集。

这里有一个概念要搞明白。

人们通过绘画来表达自己这点不假，但是绘画和绘画也是有不同的。对于 AI 来说，重要的是学习。如果没有含义明确的表达，那么对 AI 来说学习起来就会比较困难。

所以才有了这么一个 18 万张涂鸦的大数据集。有了这么一个数据集，研究人员就可以开发出相应的工具，更容易、准确地分析不同涂鸦中的内容。

其实，早在 2021 年底，Meta 就发布了他们开发的动画图画演示，并在互联网上邀请用户上传各自的图片。

然后，用户就会收到一小段由自己上传的绘画中人物的动画。

据统计，当时有大约 320 万人访问了该网站，上传了大约 670 万张图片。之后出于质量和隐私的考虑，Meta 的人类审查员对这些图片进行了筛选。

当时，Meta 只能做到让涂鸦中的人物做一组简单的动作，用户们反馈说希望能上线更多功能。比如能让包含多个人物的涂鸦作品也动起来，又比如让涂鸦人物做一些更高难度的动作，或者眨眨眼什么的。

而像下图中，这些能蹦蹦跳跳的 GIF 图片，则是在 Meta 开放源代码以及数据集之后，产品创造性和教育性目的扩展的一个例子。

有了这些资源，研究人员也就可以进一步补充分析这些涂鸦的方法，以此来扩展原有的功能。

甚至还可以给小人添加背景，让涂鸦在环境中舞蹈。

能跑能跳，活灵活现

上面提到过，涂鸦这种形式涉及的内容过于千奇百怪，每个人笔下的涂鸦都是独一无二的。

那么在这种情况下，如何训练模型就是问题的关键所在。

Meta 表示，常见的两种方法，第一种是使用带注释的画作来训练新模型。但这种办法的问题在于，带注释的画作太少了，人们上传的可能仅仅是一张涂鸦而已，并不带有注释。这样一来，训练神经网络的素材就没有那么多。

第二种方式则是通过合成的方式作画，比如说把照片用素描的形式重做。但这种方式也存在问题。

生成法进行训练需要大量的样本数据来学习，上述的办法也许做不到捕捉绘画与照片之间所有的差别。此外，用这种方法来生成供学习的数据，可能无法捕捉到一些绘画才有的细节，比如纸张折痕、用橡皮擦去的线条、阴影等等。

最终，Meta 选择的办法是把整个任务进行拆分，包括一系列子任务，人物检测、涂鸦分割、姿势预测，以及生成动画。

在用户选择上传涂鸦到系统上以后，他们可以自行选择边框位置（确定范围），确定人物关节的位置等等，最后可以选择一个动作来生成动画。

甚至，可供选择的动作还有很多，这就看用户个人了。

Meta 的系统结合了用拍摄的照片上训练的计算机视觉模型，同时由于涂鸦和照片之间的差别，Meta 进一步使用 18 万张的数据集微调模型。

而有了这个数据集和生成动画的代码以后，Meta 相信随手创作的绘画领域未来会激发更多的创作者加入。

那么这个数据集是怎么建立的呢？

和 21 年的项目差不多，Meta 建立数据集的方式还是靠用户上传。

Meta 在隐私这方面做得不错，人们可以选择上传图像 + 注释用于 Meta 的研究，同时 Meta 对这些上传的信息持有非常谨慎的态度，尽可能减少了数据被滥用的可能。

此外，对上传数据的筛选工作也十分重要。因为这一次的项目主打的就是把涂鸦变成动画，所以非涂鸦的图像要被 Meta 的审查员筛掉。

包含泄密、粗俗文字的内容更不用说，必须筛掉。

人人都是创作家

有了这么个好用的工具，人人都可以成为一名艺术创作家。

毕竟，能看到自己笔下的人物栩栩如生的动起来，能当一回神笔马良，想必也是一件很酷的事情吧！

参考资料：

• https://ai.facebook.com/blog/ai-dataset-animation-drawings/

• https://www.engadget.com/meta-has-open-sourced-an-ai-project-that-turns-your-doodles-into-animations-183807106.html

本文来自微信公众号：新智元 （ID：AI_era）

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。