本文來(lái)自AI新媒體量子位（QbitAI）

設(shè)計(jì)師要開(kāi)工，總是離不開(kāi)配色方案，也就是色板。

不過(guò)，做色板可不是個(gè)簡(jiǎn)單的活，色板生成器Colormind的作者Jack Qiao（名字來(lái)自Product Hunt，我們下面叫他小喬吧）解釋了這項(xiàng)工作難在何處：一系列顏色搭配得好了，大部分人都知道好看，但想解釋“為什么”就不那么容易了；要?jiǎng)?chuàng)造出既好看、又符合品牌指導(dǎo)等等預(yù)設(shè)條件的色板，更是難上加難。

作為一個(gè)提起色板就頭疼的設(shè)計(jì)師，小喬配色一靠猜二靠試，三靠從在線顏色生成器和好看的照片上取色。

雖有三大法寶在手，小喬的設(shè)計(jì)師生涯依然艱難。好在數(shù)學(xué)功底不錯(cuò)的小喬悟出了一個(gè)道理：要做好設(shè)計(jì)，先過(guò)碼農(nóng)關(guān)，我高貴的靈感怎能浪費(fèi)在配色這種事上！

于是，小喬選了算法，開(kāi)始嘗試用機(jī)器學(xué)習(xí)自動(dòng)生成色板。

保守的LSTM

一開(kāi)始，小喬把生成色板轉(zhuǎn)化成了一個(gè)向量序列預(yù)測(cè)問(wèn)題：

已知一個(gè)由四種顏色組成的序列，下一種顏色是什么？

他選擇用長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（LSTM）來(lái)解決這個(gè)問(wèn)題，得到的結(jié)果是這樣的：

有些配色方案看起來(lái)還不錯(cuò)，但是LSTM似乎不喜歡明亮的顏色。這個(gè)模型害怕失敗，總是傾向于選擇灰、棕等中性顏色。

小喬試著去優(yōu)化LSTM，到2016年底終于放棄了。因?yàn)?#xff0c;他移情別戀了。

還是GAN好

生成對(duì)抗網(wǎng)絡(luò)（GAN）是Ian Goodfellow于2014年提出的模型，近兩年來(lái)一直是學(xué)術(shù)界研究熱點(diǎn)。它的主要功能，是用來(lái)造假生成以假亂真的圖片，量子位曾經(jīng)寫(xiě)過(guò)一個(gè)玩轉(zhuǎn)GAN的教程。

小喬覺(jué)得，生成色板這個(gè)工作交給GAN更合適，確切地說(shuō)是pix2pix，也就是那篇題為Image-to-Image Translation with Conditional Adversarial Nets的論文，和它的開(kāi)源代碼。

pix2pix有很多衍生品，前些天火遍Twitter的畫(huà)貓應(yīng)用也是用它改的。

小喬下載了pix2pix并做了一些改動(dòng)，用Adobe Color的數(shù)據(jù)進(jìn)行訓(xùn)練，讓它在殘缺的色板里填充顏色。GAN選擇的顏色經(jīng)常和人類不太一樣，但還是很好看的。

訓(xùn)練模型時(shí)，小喬發(fā)現(xiàn)L1參數(shù)對(duì)視覺(jué)效果影響最大，它影響了模型的空間感知。L1數(shù)值越高，輸出的隨機(jī)性越低，色彩也更單調(diào)。

還有一個(gè)很關(guān)鍵的問(wèn)題：會(huì)不會(huì)過(guò)擬合？既然是用Adobe Color訓(xùn)練，如果它過(guò)擬合到了直接返回輸入數(shù)據(jù)的程度，我直接用Adobe Color就好了嘛……按理說(shuō)一個(gè)GAN倒是不會(huì)。

小喬測(cè)試的結(jié)果是，確實(shí)和沒(méi)有過(guò)擬合。

從照片提取色板

玩轉(zhuǎn)了根據(jù)一兩個(gè)顏色補(bǔ)全色板，小喬還沒(méi)折騰狗，他開(kāi)始研究如何從圖片提取色板。

其實(shí)，網(wǎng)上已經(jīng)有不少提取色板的工具，比如說(shuō)Pictaculous就是這樣一個(gè)在線工具。這類工具通常使用顏色量化算法MMCQ。

提取色板遇到的最大問(wèn)題來(lái)自照片本身：大部分照片，配色其實(shí)都不怎么好看。而色板提取常用的MMCQ，往往力求真反映照片的顏色，結(jié)果就是生成出的色板也跟著不好看。

不僅不好看，還排列得很隨機(jī)，跟GAN填充出的色板一點(diǎn)也不一樣。

比如說(shuō)這張照片生成出的色板：

小喬覺(jué)得，用GAN應(yīng)該能讓色板變美一點(diǎn)，但他嘗試了一種更簡(jiǎn)單粗暴的方法，并給這種方法起名叫generative-MMCQ。

generative-MMCQ，就是先給MMCQ提取的色板生成幾個(gè)變體，然后將每個(gè)色板上的顏色調(diào)換一下位置，再用分類器對(duì)調(diào)換位置后的色板進(jìn)行打分，然后選出最好的一個(gè)。

最后的分類器，掌握著色板的生殺大權(quán)。小喬建立了一個(gè)獨(dú)立的分類器并用手選的顏色對(duì)它進(jìn)行訓(xùn)練。

Demo

小喬折騰的結(jié)果，就是我們一開(kāi)始提到的Colormind。

在量子位（QbitAI）公眾號(hào)會(huì)話界面回復(fù)“色板”，獲取本文提到的各種資源鏈接，包括Colormind、Pictaculous、顏色量化算法、pix2pix等。

可惜沒(méi)找到Colormind開(kāi)源算法，希望有大神可以用pix2pix改一個(gè)出來(lái)~

本文作者：李林 原文發(fā)布時(shí)間：2017-03-02

總結(jié)

以上是生活随笔為你收集整理的AI造福设计师：搭配色板这种苦差事交给GAN就好啦（教程）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。