OZM 猜火车
一个小小的“AI for Good”故事
本周我们有 OZM 添加了一个新页面。 收集火车涂鸦的想法很早以前就有了，但我们没有时间去真正研究它。 我们已经多次回到这个话题，但从来没有真正的。 直到 2021 年 XNUMX 月，我们认为这是 AI 的完美工作。
艺术中根深蒂固的不公正现象在文学和音乐中并不少见。 艺术不仅需要天赋和技巧，还需要时间。 很多时间。 要被认可为艺术家，您需要合适的画布和展览，以便人们有机会看到和欣赏您的艺术（或不欣赏）。 但这样的画布来之不易，更别说展览了。 展位稀少，参赛者之间竞争激烈，大多不公正评判，委婉地说。
街头艺术家意识到，他们得到了一张随手可得的画布，并以公共交通系统的形式举办了一场展览，尽管是短期的。 尽管有些人可能会认为“给定”是一种不幸的夸大其词，如果完全合法的话。
“ OZM 有幸在其门前拥有最繁忙的铁路线之一。 因此，它有机会为德国街头艺术提供一个展览平台。 如果你在屋顶 OZM坐着看火车线路，你会看到令人惊叹的艺术作品。 我们不知道各大铁路公司的负责人是否对火车应该是什么样子有一个准确的想法，或者他们是否只是想为下一位艺术家提供一张干净的画布。 但这些杰作很少能存活超过几天，所以大多数火车在之后看起来都一样。 所以整天看火车线路是很无聊的，即使你真的很喜欢火车。 但对于人工智能来说，这是一份理想的工作，因为它不偏不倚，不介意整天看着火车线路。
我们 之前训练了一个用于街头艺术识别的人工神经网络 (ANN)，并将网络大小减小到 1,3 MB，使其非常适合实时识别。 所以这个 ANN 应该是我们公正的判断，这当然会带来一个问题，因为训练数据的选择包含我们自己的偏见引起的偏见。
预料到这个问题，该网络最初是通过混合网络爬行涂鸦和街头艺术图像进行训练的，这些图像在很大程度上独立于汉堡不同街区的艺术创作高度（或深度）收集。
在这个数据库上训练的网络被输入了几个小时的火车涂鸦视频，并收集了数千个火车涂鸦的训练示例以及一些有趣的所谓误报。 由于我们只对“类似街头艺术”的图像感兴趣，因此我们结合使用网络输出激活和层间余弦间距来过滤视频，以获得所有展出杰作的最佳镜头。 这些训练示例已添加到网络的训练数据库中，为无偏训练提供了良好的起点。
首先，我们将一台 10 倍光学变焦的相机连接到一台小型视频处理计算机（实际上是一台 Jetson Nano）上。 OZMs 观察铁路线并将视频发送到我们的推理引擎进行分析。 所以现在我们有了一个人工智能，它可以为我们提供火车上涂鸦的快照。
我们只使用 Nano 进行一些视频编码，并通过 WiFi 将视频发送到我们的小型推理引擎，在那里我们对视频做了同样的事情。 当然，我们遇到了一些未包含在训练数据中的真实负片问题，例如由于 wifi 质量差导致的视频解压缩伪影，或者像 ICE 这样的一些火车不在数据库中。 摄像机的视角也与通常的训练示例有很大不同。 我们通过冻结特征检测层并使用在测试的第一天收集的额外样本来调整网格的顶层来解决这个问题。
但这不仅仅是拍摄最佳照片。 这也是关于快照的呈现，这应该表明我们对所呈现的作品以及使它们成为可能的努力和承诺的尊重和欣赏。
我们想在作品的照片中添加一些东西，以展示火车上的涂鸦与来自 OZM 能够象征着由在外面的铁路线上开始职业生涯的艺术家创作 OZM 已经开始了。 只有涂鸦来自 OZM 依靠图片会很蹩脚。 出于组织方面的原因，不可能为我们找到的每张照片制作新的涂鸦。 同样，人工智能是解决方案。
为了添加一些适当的东西，我们用熟悉的街头艺术家的作品训练了各种 AI OZM 协作并比较结果。 我们决定将选定的照片与原始照片结合起来 Hammerbrooklyn- 签署一个充满所谓“潜在行走”风格 goose2 图像的标志。 这样的图片可以在最左边看到。 那是在中间 Hammerbrooklyn- 可识别的标志。 在快照上，轮廓 Hammerbrooklyn- 然后以Logos为模板，以AI的形式创建生成的图像 Hammerbrooklyn- 在快照中“盖章”徽标。
下一个大问题是应该呈现哪些快照以及如何呈现。 我们同意按星期几排序的随机快照。 但是，为了鼓励访问者浏览图像，我们隐藏了大部分图像并使用工作日名称作为容器。 当访问者将鼠标悬停在字母上时，该部分变得可见，但要查看整个图片，访问者必须单击字母。
为了让参观者知道照片的实际拍摄日期，它应该打印在快照上，这有点问题。 每张快照都展示了个人艺术品，因为我们明白 OZM 作为艺术空间。 因此，简单地用字体渲染日期不是一种选择。 日期的涂鸦将是最好的解决方案，但它必须是独一无二的。 第三次解决方案是人工智能。
我们以 AI 生成的涂鸦形式添加了日期，而 AI 又根据 OZ 作品中的形状进行了训练。 涂鸦看起来不像大多数人对 OZ 的期望，OZ 以他的 Ozozozozoz 作品而闻名。 但抄袭 OZ 从来都不是目的，而是创造一种深受 OZ 后期作品影响的新风格。 任何熟悉 OZ 后期作品的人都会注意到相似之处。
该方法采用常见字体（右下）呈现的数字，扭曲它们，并执行一些边界检测。 生成的图像（左大图）被馈送到一个 pix2pix GAN，该 GAN 已经使用从 OZ 的图像中提取的扭曲形状进行了广泛的训练，但从输入图像中删除了细节。
我们认为这是“人工智能为善”的一个例子，原因有几个。 没有人失去工作。 人工智能收集并保存本来会丢失的艺术品。 AI收集的艺术作品呈现给更广泛的观众。 AI对艺术家和风格是公正的，所以没有人处于不利地位。 OZ 的风格在图像中得到呼应，以纪念已故的汉堡涂鸦艺术家，他从未放弃美化他的城市，从而为我们今天在火车上欣赏的各种作品做出了重要贡献。
* 快照已开启 https://onezeromore.com/ozmai-2/trainspotting/ 显示。 我们鼓励您浏览图片，因为这将使您享受所有艺术作品。 我们还推出了一个 Instagram 帐户，供您每天接收新的火车涂鸦。
如果您想在自己的火车、建筑物、卡车、轮船、飞机等上找到特别吸引人的涂鸦，我们很乐意为您提供帮助。 只需联系我们.
* 当然我们不知道图片的作者。 但通常我们认识的艺术家能够创造出非常接近原作的涂鸦诠释。 （由于相机的分辨率和录音上涂鸦的大小，无论如何，1 比 1 的副本都会被像素化）。
