AI表情包生成器來了!給AI餵了96萬個文案,做出的圖能接地氣嗎?
大資料文摘出品
作者:牛婉楊
在這個一言不合就鬥圖的年代,表情包已經成為了人人必需的“裝備”。
最近,文摘菌就發現一位外國友人做了個
AI表情包生成器
,坦白講這個生成器
依然逃不過“沙雕”的標籤
,就像之前的“狗屁不通文章生成器”和“讀後感生成器”。
它的首頁是這個樣子的有
48個表情包模板
可供使用。
傳送門:
https://imgflip。com/ai-meme
*看到這裡有沒有朋友好奇“Meme”是什麼?事實上,“Meme”就是我們常說的表情包。
網站標題“This Meme Does Not Exist”也延續了之前各種StyleGan生成網站的“不存在”系列,意喻“不存在的表情包”。
接下來就讓我們直奔主題,文摘菌要好好看看它能給表情包配上什麼字~
首先,大致掃了一眼,發現最眼熟的就是第二行中間那隻doge,確認過眼神,就它了!選中圖片之後,就生成了以下表情包:
這個文字配的嘛,大家仔細品,還是比較符合我們日常的表情包風格。再點選重新整理,AI又會給這張圖配上新的文字,下面這張送給吃貨朋友們:
重新整理了幾次,文摘菌發現,出現次數最多的詞彙有
“wow”,“such”,“much”
等一些百搭詞彙,而這個AI文字生成器的
水平也是
參差不一
,有時覺得這個表情包可以拿來用,有時就覺得很荒謬,get不到有趣的點。
除此之外,我們還可以
在文字框裡輸入一些文字提示
,來幫助它生成我們想要的表情包。比如文摘菌輸入“hello”,就生成了這樣子的表情包:
這。。。真的難為它了。要不文摘菌輸入一點符合表情包邏輯的單詞?比如:
立馬就有內味兒了是不是!
這個網站除了生成表情包還能幹啥
從這個網站首頁看來,似乎還是一個表情包發燒友的交流社群?大家可以把自己製作的表情包釋出到網站,使用者可以根據喜好來投票。
AI生成表情包只是這個網站的一個專案,除此之外還可以
手動上傳表情包背景,以及輸入表情包內容
。但在文摘菌看來,這個網站相比國內微信表情包搜尋和某圖的一鍵表情包p圖,簡直弱爆了~
說了這麼多,還沒有介紹專案作者。這個表情包生成器的作者是Dylan Wenzlau,也是這個
表情包素材平臺Imgflip的創始人
。他在Medium上發表的一篇文章中,詳細介紹了表情包生成器的原理,是透過深度卷積網路製作的。
Medium超詳細教程:
https://towardsdatascience。com/meme-text-generation-with-a-deep-convolutional-network-in-keras-tensorflow-a57c6f218e85
深度卷積網路是一種常用於影象的神經網路,Wenzlau使用機器學習平臺Tensorflow和Keras對其進行了訓練,建立了一個能匹配48種不同表情包格式的文字生成模型。他還在Github上釋出了完整的程式碼供大家嘗試。
Github指路:
https://github。com/dylanwenzlau/ml-scripts/tree/master/meme_text_gen_convnet
表情包質量如何,資料集來決定!
資料集簡直就是AI生成文案的靈魂啊,要想表情包更接地氣,就要儘可能多的收集資料。
就Wenzlau所說,在做這個生成器時,
選取了96萬個表情包文案作為訓練資料
。為了使文字生成的更加精確,Wenzlau
以字母為單位作為一個訓練樣本
,而不是一個單詞。他還表示,以字母為單位訓練的成果比以單詞為單位要有趣多了!因為對於英文來說,以字母劃分更加細緻,能夠激發AI更多的可能性。
實際上,表情包生成器並不是第一次出現,兩年前斯坦福大學的Abel L。 Peirson V和E。 Meltem Tolunayl就寫了一篇關於
使用深度神經生成表情包的論文
。他們為此還做了一個APP,稱之為
首個可以用AI生成表情包的應用程式
。
他們在論文中寫道,
資料集對這個生成器來說太重要了
。
他們的資料集
由大約40萬張帶有標籤以及說明的圖片
組成。其中有2600個專門的圖片-標籤組合,是他們
從Python指令碼中獲得
的。
如上圖所示,資料集中一張圖片對應一個標籤和相關的說明,“手把手”教AI學習。
來看看這個AI的作品吧,你pick哪張呢?
目前看來,AI的這些配字,就像一個青澀的孩子說出來的話,有些很可愛,有些又很荒謬。
但事實上,幽默感確實很難評判,大都因人而異,還帶有一些主觀色彩。
這篇論文的作者也指出,他們的這項工作十分基礎,要想表情包更加接地氣,還要經過更長時間的研究。另外,他們還指出探索
視覺注意力機制在表情包生成中的作用
,也是一個不錯的研究方向。