基于一向都在做相干的器械，而且現(xiàn)實(shí)運(yùn)用的閱歷，我以為繪畫(huà)中的部門任務(wù)會(huì)有愈來(lái)愈多的可依附機(jī)械，然則代替插畫(huà)師是不太能夠的，被代替的重要為底層的反復(fù)休息任務(wù)者。 這個(gè)成績(jī)和幾個(gè)概念有關(guān)，設(shè)計(jì)、藝術(shù)、插畫(huà)師（美術(shù)職業(yè)偏向）。 起首關(guān)于設(shè)計(jì)和藝術(shù)，不太懂得的可以查詢下相干的答復(fù)，有許多謎底都說(shuō)得很好。出于部門人對(duì)藝術(shù)的界說(shuō)，人工智能是沒(méi)法殺青超出人的，由于這違背其界說(shuō)，所以我小我也以為藝術(shù)家是不會(huì)被人工智能代替的。 不外，今朝的年夜部門美術(shù)相干的職業(yè)其實(shí)設(shè)計(jì)的部門會(huì)更多些。關(guān)于插畫(huà)師，狹義的界說(shuō)是畫(huà)畫(huà)為職業(yè)的人，然則今朝的插畫(huà)師，更多的任務(wù)重要是完成一種叫插畫(huà)的美術(shù)品，其是純藝術(shù)和設(shè)計(jì)的聯(lián)合，是有包括甲方的設(shè)計(jì)的需求的，須要對(duì)主題、構(gòu)圖停止小我意向以外的掌握。 再?gòu)V義些，重要就是完成書(shū)本中的配圖，將文字經(jīng)由過(guò)程畫(huà)面進(jìn)一步表達(dá)，而關(guān)于這類情形裝潢性（美不美），小我作風(fēng)，與文字的婚配度（是一種設(shè)計(jì)）都有請(qǐng)求。我小我以為插畫(huà)師在浩瀚美術(shù)相干職業(yè)里，藝術(shù)性是偏多的，小我作風(fēng)關(guān)于今朝的插畫(huà)師很主要，是以在將來(lái)，插畫(huà)師其實(shí)不會(huì)被人工智能代替。前段時(shí)光微博上有有關(guān)插畫(huà)畫(huà)風(fēng)主要性的評(píng)論辯論，有興致懂得的可以檢查。 不外跟著這個(gè)對(duì)象的涌現(xiàn)，插畫(huà)和各類繪畫(huà)的制造可以進(jìn)一步簡(jiǎn)化。每次對(duì)象的改革，現(xiàn)實(shí)上都能夠是一次束縛，讓我們可以更好的表達(dá)自我。 概念設(shè)計(jì)師/原畫(huà)可以更專注于設(shè)計(jì)，而細(xì)化部門法式可以完成，貼素材的任務(wù)法式做豈非不更好？pix2pixphillipi/pix2pix曾經(jīng)展示了如許的潛力。有能夠，將來(lái)只須要完成部門輪廓和剪影的設(shè)計(jì)，盤(pán)算機(jī)便可以主動(dòng)生成細(xì)化的畫(huà)面，完成詬誶的光影便可以涂畫(huà)年夜體的色彩，我想這是可讓任務(wù)者更專注于他們的設(shè)計(jì)任務(wù)的。 美術(shù)素材任務(wù)者（游戲/動(dòng)畫(huà)素材），任務(wù)量更少，由于素材們可以被法式生成或潤(rùn)飾。好比，下圖依據(jù)需求基于例子生成畫(huà)面（紋理）alexjc/neural-doodle，有關(guān)neural style transfer更多的完成（包括近期的文章）titu1994/Neural-Style-Transfer；或是經(jīng)由過(guò)程人工智能對(duì)畫(huà)面停止變更（好比變笑容的Faceapp，其根本辦法也能夠運(yùn)用于材質(zhì)舊化[1611.05507] Deep Feature Interpolation for Image Content Changes）。值得一提的是，紋理生成和舊化（Time-varying weathering in texture space）都已有許多傳統(tǒng)算法，后果也很好。 關(guān)于繪畫(huà)主動(dòng)的清線稿和上色（不須要清稿和上色助手了，清稿シモセラ?エドガー ラフスケッチの自動(dòng)線畫(huà)化，上色初心者がchainerで線畫(huà)著色してみた。わりとできた。 - Qiita|飯塚里志 - ディープネットワークを用いた年夜域特徴と局所特徴の學(xué)習(xí)による白黒寫(xiě)真の自動(dòng)色付け，這3個(gè)例子都是比來(lái)異常火的，就不具體瞻望了）。 其實(shí)關(guān)于主動(dòng)上色來(lái)講，Paintschainer與傳統(tǒng)的算法比擬的優(yōu)勢(shì)是： 它可以停止必定的顏色設(shè)計(jì)。傳統(tǒng)算法重要是自力處理了上色的分區(qū)成績(jī)（一開(kāi)端須要關(guān)閉圖形，今朝適用的也能夠許可非關(guān)閉圖形了如ComicStudio系列軟件），和顏色設(shè)計(jì)的成績(jī)，其實(shí)處理得比Paintschainer好。 Manga Colorization（小我以為后果上照樣比Paintschainer的半主動(dòng)算法好的） Color Compatibility From Large Datasets（其實(shí)狹義下去說(shuō)這類手腕也是屬于今朝的人工智能的，Data Driven嘛） Paintschainer的另個(gè)長(zhǎng)處是（或是今朝這些神經(jīng)收集算法），它的制造絕對(duì)簡(jiǎn)略許多，關(guān)于制造者（研討人）的先驗(yàn)常識(shí)請(qǐng)求少了許多，特點(diǎn)都由神經(jīng)練習(xí)自行獲得，會(huì)使得各類幫助功效的對(duì)象開(kāi)辟和運(yùn)用的速度快很多。開(kāi)辟的難點(diǎn)反而能夠是特定范疇的數(shù)據(jù)的預(yù)備。（主動(dòng)補(bǔ)間也有傳統(tǒng)的算法，不外今朝似乎未見(jiàn)關(guān)于2D動(dòng)畫(huà)的基于神經(jīng)收集的完成） 將來(lái)，畫(huà)面組成可以主動(dòng)化嗎？年夜部門人畫(huà)畫(huà)用的設(shè)計(jì)套路必定會(huì)被盤(pán)算機(jī)學(xué)會(huì)的，它會(huì)學(xué)的更好，今朝曾經(jīng)有對(duì)攝影的構(gòu)圖和顏色的例子了，所以不說(shuō)完整的主動(dòng)設(shè)計(jì)畫(huà)面，半主動(dòng)確定是會(huì)離開(kāi)的。至于全主動(dòng)呢？GAN相干的研討也有看圖措辭的例子。不外，基于設(shè)計(jì)須要懂得和交換的情形，我以為全主動(dòng)的用途其實(shí)不是很年夜。 總結(jié) 我們有了新的更好的對(duì)象，可以將名貴的時(shí)光做更多更美妙的事了（包含進(jìn)一步優(yōu)化任務(wù)），部門初級(jí)反復(fù)休息任務(wù)者會(huì)被代替。 （說(shuō)個(gè)很小我意見(jiàn)的器械，Adobe資助了許多相干的研討，然則涌現(xiàn)在Photoshop的寥若晨星，所以能夠年夜部門反復(fù)休息者也是不用要擔(dān)憂的。） 對(duì)Paintschainer的額定意見(jiàn) 小我以為線其實(shí)不能完整供給著色所須要的信息，其實(shí)從線稿開(kāi)端的著色是兩個(gè)部門組成的： 光影 顏色 許多時(shí)刻線稿給出的物體年夜概輪廓信息，然則對(duì)物體的過(guò)細(xì)構(gòu)造信息缺乏夠的，而年夜部門情形下關(guān)于光的信息也是缺乏夠的（值得一提的是，練習(xí)該收集的例子線稿是帶有一部門光影信息的）。所以在用普通線稿的處置成果上，著色的作風(fēng)偏扁平一點(diǎn)。小我不雅點(diǎn)，光影對(duì)作風(fēng)的影響更年夜。愿望完成暗影著色的后果，可以在線稿長(zhǎng)進(jìn)一步繪畫(huà)明暗接壤線。假如真的須要作為對(duì)象應(yīng)用，該運(yùn)用還學(xué)聯(lián)合些傳統(tǒng)算法，如根本的膩滑。 相似的任務(wù) （參加暗影指導(dǎo)的成果。含有暗影指導(dǎo)更相符數(shù)據(jù)集。copyright weibo@ZE_LE） 另外基于上述對(duì)線稿的描寫(xiě)，假如作為對(duì)象設(shè)計(jì)，完成上我能夠分兩步履行，線——>光影——>顏色，上面是灰度圖用Automatic Image Colorization?白黒畫(huà)像の自動(dòng)色付け（在線demo）處置的成果，我以為后果是挺不錯(cuò)的，不外既然都上了光影，顏色也是很快的事了。 （comixwave 新海誠(chéng)） (吉卜力) (Dao Dao [pixiv] 主動(dòng)著色作者Edgar Simo-Serra的另個(gè)研討，線稿簡(jiǎn)化的在線demoSketch Simplification?ラフスケッチの自動(dòng)線畫(huà)化。
