大数据文摘作品，转载要求见文末

作者 | Molly 魏子敏·

这两天，科技圈被暮光之城女主角、撩妹女魔王Kristen Stewart最新get的撩妹新技能刷屏了：小k作为联合作者，发了一篇关于“风格迁移（style transfer）”的AI“论文”。事实上，跨界科技圈和编程的演艺圈女神不止Stewart一个。

这篇“论文”真的这么厉害吗？

对于研究本身来说，是否应该给予如此高的评价？

这篇仅有三页的短文与其说论文，更确切应该说是一篇“应用说明书”。论文名称为Bringing Impressionism to Life with Neural Style Transfer in Come Swim，事实上是一篇高水平的案例研究，探索了神经风格迁移在电影制作环境中的相关应用。描述了如何通过神经风格迁移将印象派风格带入到其新作品 Come Swim中。

而所谓“发表”也不是确切的说法。这篇文章的发布平台arXiv是康奈尔大学的一个在线研究数据库。被arXiv平台发布最多代表着文章被收录，而是否真的被学术期刊选中发布，则又是另外一回事了。

然而不可否认，Stewart自带光环的属性还是将已经在风口浪尖的“人工智能”和“风格迁移”再一次带入大家的视线，当然也吸引了一票科技圈大咖的热议。

乔治亚理工副教授、AI专家Mark Riedl：我之前老拿“暮光”在我的人工智能课上说段子，现在“暮光”反扑了……

FYI这是Mark Riedl用暮光讲AI的板书图：

Jetpac（已被谷歌收购）CTO、谷歌TensorFlow团队深度学习研究员Peter Warden激动地发twitter称：Kristen Stewart刚刚在一篇学术论文里提到了TensorFlow！

但是对于研究本身，科技界兢兢业业的高智商群体也不是这么好糊弄的：

我还是想看Stewart写至少一行代码，否则这件事就是在搞噱头。

当然也有不少人对于Stewart的探索表示赞赏，作为一名制作人，能够在本职工作之余浅探AI圈，也是很有趣的事情。

上：我想电影的拍摄经历还是让Stewart学到了一些东西，那些发表酸溜溜评论的程序员只是在吃不到葡萄说葡萄酸，醉心自己的代码吧！

下：她没有想要做全职编程者，她很明显还是在走作家／导演或者制作人的路子。在评价前先了解一下这件事！

事实上，跨界科技圈和编程的演艺圈女神不止Stewart一个。

今年23岁的维密天使、高人气超模卡莉·克劳斯（Karlie Kloss）在事业蒸蒸日上时卸下维密天使光环，只为去纽约大学攻读商科和学习编程。之前，女神在满当当的走秀档期中已经在编程学校Flatiron School跟着艾维·弗洛巴姆（Avi Flombaum）教授学习编程一段时间了，深感编程魅力后，在模特事业和编程冲突的情况下，毅然辞去工作专心学习，全身心阐述了“明明可以靠颜值，却偏要拼才华”。

女神KK 能走秀也能修电脑 用公益鼓励女性编程

卡莉·克劳斯（Karlie Kloss）算是当前最红的T台模特之一，不仅颜美多金，还是学霸，在超模事业如日中天的时候，她决定退出超模舞台，去系统学习编程。

看这素颜上课的认真节奏，好羡慕她周围那些工科男，不知道能不能专心听讲。

KK ins的风格也在编程后变成了这样：

比如深夜图书馆啃书。

让我们“窥探”下女神敲出的代码。

甚至肢解了一台笔记本：“哇，我们的电脑竟然是这样工作的”。能走秀、会拆电脑、敲代码的妹子，男友女友力双重爆棚！

除了编程，KK还做了一件更酷的事情，创立了“Kode with Klossy”，只是一家非盈利组织，旨在让更多年轻女性也能接触到编程，让有志在科技领域发展的年轻女性得到所需的技能。

Kloss在自己的YouTube和Instagram频道上呼吁13到18岁的年轻女性通过发视频和写文章的方式，说明自己为什么想学编程。最能说服她的几位将获得用于编程课的奖学金。短短几天内，克劳斯就收到了上千份材料，这些材料也成为了Kode with Klossy的基石。

Kloss还有个更大的愿景：收窄科技行业的“性别鸿沟”。她相信，自己不仅仅是在给年轻女性提供编程课，还是在向她们安利新科技的创造。

Kloss说，比起男性，女性能追随的榜样不多，因为科技行业的顶尖人才中女性数量极少。除非亲眼看到能成为自己榜样的女性，否则很难想象自己身处这个行业中是什么样子。Kloss的解决方案是，让更多人知道，编程不仅仅是宅男的专利。她说：“我不是看不起宅男，只是想告诉大家，编程这件事情任何人都能做。”

Kristen Stewart文章简述论述神经风格迁移在电影制作环境中的应用

基于短片中对神经风格迁移的应用，本周Kristen Stewart作为联合作者在康奈尔大学的在线研究数据库arXiv上发了一篇关于“风格迁移（style transfer）”的文章。

这篇仅有三页的短文名称为Bringing Impressionism to Life with Neural Style Transfer in Come Swim，事实上是一篇高水平的案例研究，探索了神经风格迁移在电影制作环境中的相关应用。描述了如何通过神经风格迁移将印象派风格带入到其新作品 Come Swim中。

Quarz的一篇报道称，Come Swim的创作灵感最初就源自Stewart的一幅绘画。这篇文章阐述了斯图尔特自己在风格迁移方面的尝试，这是机器学习领域的一种颇为流行的应用方式，使用卷积神经网络实时对视频进行艺术风格转换。Stewart和她的制作团队使用这项技术把自己的印象派绘画风格重绘电影短片Come Swim》中的关键场景。

该文章的共同作者还包括该片制作方Starlight Studios的一名制作人和一名Adobe员工。

文章主要记述了神经网络的风格迁移记述在电影行业的应用。在传统的视觉特效行业中，卷积神经网络很少被使用到。并且，相比于实验室里的良好条件，在实际的工业应用上会有许多其他的需求，比如便捷地控制图像效果，合理的硬件资源需求和时间消耗。

进行风格的迁移，需要一个已经训练好的卷积神经网络模型。综合考虑了风格迁移的效果和时间资源的消耗，Kristen Stewart的电影使用的是VGG16模型。

为了得到更好的控制参数，Kristen Stewart团队进行了一系列的实验。比如为了得到迭代次数的一个良好的估计，他们把一张图片进行了充分的迭代，获得了一张风格转换的基线。然后调整算法的迭代次数，观察何时效果有较大的偏离，获得了迭代次数的一个可靠的范围。此外，向风格图片中添加一些纹理和颜色的遮挡，可以获得更丰富的显示效果。

此外，风格图片的质量对最后生成的图片也有重要的影响。下图左侧是使用手机拍摄的风格图片，右侧是更高质量的风格图片。发现高质量的风格图片极大地提高了结果图像的质量。

对于另一个参数，风格迁移率，也会对图片真实程度产生很大的影响。这个影响大体上是一个指数函数。