Машинное обучение в дизайне

В последний год Машинное Обучение (ML - Machine Learning) и Искусственный Интеллект (AI – Artificial Intelligence) стали очень обсуждаемой темой не только среди гиков, но и в рекламе. В первую очередь AI берут на вооружение те, кто работает в Медиа для обработки данных, повышения качества ретаргетинга и внедрения новых плюшек, типа PVL от Яндекса. Но хотелось бы обратить внимание на то, как Нейросети активно нащупывают своё место в сфере Дизайна.

Основные примеры использования AI в дизайне:

Улучшение качества фотографии.

Алгоритм super-resolution позволяет подтянуть качество low-res картинки. Код открытый и уже сейчас доступен для внедрения или использования. На примерах, которые можно встретить в интернете кажется, что алгоритм работает, как в фильмах, но, на самом деле, эффект не всегда стабильный. Инструмент реально полезный и, самое главное уже доступный – рекламщикам точно пригодится.

Редактирование изображения по референсу.

Эта нейронная сеть может превратить фотографию летнего города в зимний, если ей показать другой зимний город. Разработчики пошли дальше и показали, как это работает на видео - превращение лошади в зебру:

Создание дизайна на основе скетча.

Одно время в сети был очень популярен сервис «Quick, draw» от Google – интерпретация игры «Крокодил», когда пользователь рисует, а программа угадывает то, что он рисует. Собрав достаточное количество информации, Google запустил Autodraw – сервис, который помогает превратить ваши каракули в иконки и картинки. Очень удобная штука, попробовать можно тут (https://www.autodraw.com).

Наложение текстуры на скетч.

В продолжение темы про создание фотографий/рисунка из скетчей стоит вспомнить сервис, который накладывает текстуру кота на любой предмет, который вы нарисуете. Его еще называли «Коты из кошмаров» =) Получалось странно, но иногда очень реалистично.

По такой же технологии сервис Fotogenerator создавал людей на основе скетчей. Иногда получалось не менее страшно, чем котики, но при этом сервис набрал популярность (более 2 млн посещений). В итоге владельцам пришлось даже закрыть его, потому что стало слишком дорого поддерживать

Раскрашивание скетчей и фото.

Нейронная сеть Pix2Pix позволяет автоматически раскрашивать черно-белые фотографии и карандашные наброски, добиваясь реалистичных дизайнов. Этот код также находится в открытом доступе. А на Geektimes даже есть подробный материал, о том, как эта сеть работает: https://geektimes.ru/post/282896/

Создание бесконечного множества вариантов дизайна.

Говоря о раскрашивании объектов, нельзя не вспомнить проект от Nutella, когда с помощью Машинного Обучения сгенерировали 7 млн разных дизайнов упаковок и запустили их в продажу. Среду дизайнов, не было ни одного повторяющегося, и каждый покупатель получал при покупке уникальную банку.

Попыток автоматизировать дизайн-сферу с помощью Машинного Обучения очень много. Но при детальном рассмотрении, становится понятно, что этим занимаются одни и те же компании. Большинство приведенных примеров разработаны на основе нейросети Pix2Pix и алгоритмов Google.

Идёт целенаправленная наработка базы и обучение алгоритмов. Каждый раз, когда мы начинаем «играться» с новым AI сервисом, мы помогаем его обучать, как было с Google «Quick, draw» и это прекрасно.

Можно ожидать, что с каждым годом подобный магический AI функционал будет становиться в десятки раз лучше и начнет перемещаться с GitHub в привычное программное окружение дизайнеров и рекламщиков. Тот же Google Translator за 7 месяцев работы с AI достиг большего, чем за 10 лет разработки. А в Photoshop уже есть похожие волшебные инструменты, такие, как «удалить объект с фотографии», который вполне сносно работает.

Не стоит бояться, что Машинное Обучение заменит дизайнеров (по крайне мере в ближайшем будущем), но это точно поможет сократить время на производство эскизов, которые нужны для того, чтобы правильно донести мысль.