AI表情包生成器来了!我给AI喂了96万份表情符号
来源:大数据文摘
本文篇幅为1400字.建议阅读5分钟.
这篇文章向你介绍了AI表情包生成器。让我们一起战斗吧!
AI表情包生成器来了!我给AI喂了96万份表情符号
在这个意见不一致的时代,表情包已经成为每个人必备的“装备”。
最近,我们发现一个外国朋友做了一个AI表情包生成器,并坦率地告诉这个生成器依然逃不过“沙雕”的标签.
就像之前的“废话文章生成器”和“读后感生成器”一样。
它的主页是这样的,有48个表情包模板。
AI表情包生成器来了!我给AI喂了96万份表情符号
门户:
https://imgflip.com/ai-meme
*看看这里有没有朋友好奇什么是“Meme”?其实“Meme”就是我们常说的表情包。
网站标题“这个Meme不存在”也延续了之前各种StyleGan网站产生的“不存在”系列,意思是“不存在的表情包”。
接下来,让我们直奔主题。我们就好好看看它能和表情包搭配什么词吧~
首先粗略看了一下,发现最熟悉的是第二行中间的doge。确认眼神后,果然是!选择图片后,会生成以下表情符号:
AI表情包生成器来了!我给AI喂了96万份表情符号
这篇文字搭配得很好,大家都仔细品尝过,很符合我们日常的表情包风格。再次点击刷新,AI会给这张图片添加新的文字。以下是给美食家的:
AI表情包生成器来了!我给AI喂了96万份表情符号
刷新几次后,我们发现出现频率最高的词包括“wow”、“such”和“much”等一些野字,还有AI字符生成器的。
水平也是,有时他认为这个表情包可以用,有时他认为它很可笑,而且他得不到任何有趣的东西。
此外,我们还可以在参差不一帮助它生成我们想要的表情包。例如,如果我们输入“hello”,我们将生成如下表达式包:
AI表情包生成器来了!我给AI喂了96万份表情符号
它是.真的很难。为什么不输入一些符合表情符号逻辑的词呢?例如:
AI表情包生成器来了!我给AI喂了96万份表情符号
里面马上就有味道了,不是吗?
#文本框里输入一些文字提示
从这个网站的首页来看,似乎还是一个表情包爱好者的交流社区。你可以在网站上发布自己的表情符号,
用户可以根据喜好来投票。AI生成表情包只是这个网站的一个项目,除此之外还可以手动上传表情包背景,以及输入表情包内容。但在我们看来,这个网站相比国内微信表情包搜索和某图的一键表情包p图,简直弱爆了~
说了这么多,还没有介绍项目作者。这个表情包生成器的作者是Dylan Wenzlau,也是 这个表情包素材平台Imgflip的创始人
。他在Medium上发表的一篇文章中,详细介绍了表情包生成器的原理,是通过深度卷积网络制作的。
Medium超详细教程:
https://towardsdatascience.com/meme-text-generation-with-a-deep-convolutional-
network-in-keras-tensorflow-a57c6f218e85
深度卷积网络是一种常用于图像的神经网络,Wenzlau使用机器学习平台Tensorflow和Keras对其进行了训练,建立了一个能匹配48种不同表情包格式的文本生成模型。他还在Github上发布了完整的代码供大家尝试。
Github指路:
https://github.com/dylanwenzlau/ml-scripts/tree/master/meme_text_gen_convnet
# 表情包质量如何,数据集来决定!
数据集简直就是AI生成文案的灵魂啊,要想表情包更接地气,就要尽可能多的收集数据。
就Wenzlau所说,在做这个生成器时,选取了 96万个表情包文案作为训练数据 。为了使文字生成的更加精确,Wenzlau
以字母为单位作为一个训练样本
,而不是一个单词。他还表示,以字母为单位训练的成果比以单词为单位要有趣多了!因为对于英文来说,以字母划分更加细致,能够激发AI更多的可能性。
实际上,表情包生成器并不是第一次出现,两年前斯坦福大学的Abel L. Peirson V和E. Meltem Tolunayl就写了一篇关于
使用深度神经生成表情包的论文 。他们为此还做了一个APP,称之为 首个可以用AI生成表情包的应用程序。
他们在论文中写道, 数据集对这个生成器来说太重要了。
他们的数据集 由大约40万张带有标签以及说明的图片组成 。其中有2600个专门的图片-标签组合,是他们 从Python脚本中获得 的。
如上图所示,数据集中一张图片对应一个标签和相关的说明,“手把手”教AI学习。
来看看这个AI的作品吧,你pick哪张呢?
目前看来,AI的这些配字,就像一个青涩的孩子说出来的话,有些很可爱,有些又很荒谬。
但事实上,幽默感确实很难评判,大都因人而异,还带有一些主观色彩。
这篇论文的作者也指出,他们的这项工作十分基础,要想表情包更加接地气,还要经过更长时间的研究。另外,他们还指出探索 视觉注意力机制在表情包生成中的作用
,也是一个不错的研究方向。
编辑:于腾凯
―完―
想要获得更多数据科学领域相关动态,诚邀关注清华-青岛数据科学研究院官方微信公众平台“ 数据派THU ”。