深度学习到底有什么用?

作者：严章熙

链接：https://www.zhihu.com/question/47563637/answer/106708095

来源：知乎

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

前面回答者介绍了Neural Style，推而广之，其实类似的将多种Style融合在一起形成新内容的Generative Model最近好像很多，打算研究一下

Image Synthesis

不同风格的图像合成

和Neural Style相似，比如这一篇文章：

Combining Markov Random Fields and Convolutional Neural Networks forImage Synthesis

http://arxiv.org/pdf/1601.04589v1.pdf

<img src="https://pic1.zhimg.com/6e34d230f72d4788bd338a3bb8cb4f28_b.png" data-rawwidth="1003" data-rawheight="248" class="origin_image zh-lightbox-thumb" width="1003" data-original="https://pic1.zhimg.com/6e34d230f72d4788bd338a3bb8cb4f28_r.png">将老爷车的风格融入现代汽车中，设计出的新款型，新的款型非常有意思

将老爷车的风格融入现代汽车中，设计出的新款型，新的款型非常有意思

建筑风格的的合成也是如此，尽管看上去有点别扭

建筑风格的的合成也是如此，尽管看上去有点别扭

Deep Dream

让机器做梦！

人类的做梦时，大脑中会产生随机的噪声信号，而进入梦中的随机信号可看成是一种建构、整合的过程，大脑唤醒记忆中的表象来与脑干激活所产生的信息资料相匹配，试图理解这种随机的信号。

给定一幅图像（这里是一副天空的图像和一副太空的图像），极大化某一神经元的激活度。对于low-level的feature，图像上就显示出很多的edge，

激活high-level的神经元，图像上就现实出了很多high-level的feature了

激活high-level的神经元，图像上就现实出了很多high-level的feature了

这里有一个在线的网站可以玩玩 http://deepdreamgenerator.com/

2月底的时候，谷歌在美国对生成这些抽象画办了一个画展，这些画还卖到了差不多10万美金，去资助一下这些年轻的艺术家们，让他们进行创作。

视频预测

Deep Predictive Coding Networks for VideoPrediction and Unsupervised Learning

用视频中前面几帧的信息来预测后面几帧，效果还挺好的，这也就可以理解我们打乒乓球的时候，明明不能计算出球的落点却能准确击球的机理了

这里能扩展的工作就很多了，貌似也有一个工作是做光流预测的

这里能扩展的工作就很多了，貌似也有一个工作是做光流预测的

Image restoration/inpainting

参见CVPR2016的这篇文章：

Context Encoders: Feature Learning by Inpainting

http://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Pathak_Context_Encoders_Feature_CVPR_2016_paper.pdf

直接把图片中的一块挖掉，用其余部分的信息来恢复破损的区域

这个应该可以做AV去码的。。

还有ICML2016这篇也做了类似的工作:

Pixel Recurrent Neural Networks

http://arxiv.org/pdf/1601.06759v2.pdf

更多关于Generative Model可以参看

Generative Adversarial Nets

http://arxiv.org/pdf/1406.2661v1.pdf

以及OpenAI最新的工作，从图片集中生成图片