基于一向都在做相干的器械，而且現實運用的閱歷，我以為繪畫中的部門任務會有愈來愈多的可依附機械，然則代替插畫師是不太能夠的，被代替的重要為底層的反復休息任務者。

這個成績和幾個概念有關，設計、藝術、插畫師（美術職業(yè)偏向）。

起首關于設計和藝術，不太懂得的可以查詢下相干的答復，有許多謎底都說得很好。出于部門人對藝術的界說，人工智能是沒法殺青超出人的，由于這違背其界說，所以我小我也以為藝術家是不會被人工智能代替的。

不外，今朝的年夜部門美術相干的職業(yè)其實設計的部門會更多些。關于插畫師，狹義的界說是畫畫為職業(yè)的人，然則今朝的插畫師，更多的任務重要是完成一種叫插畫的美術品，其是純藝術和設計的聯合，是有包括甲方的設計的需求的，須要對主題、構圖停止小我意向以外的掌握。

再廣義些，重要就是完成書本中的配圖，將文字經由過程畫面進一步表達，而關于這類情形裝潢性（美不美），小我作風，與文字的婚配度（是一種設計）都有請求。我小我以為插畫師在浩瀚美術相干職業(yè)里，藝術性是偏多的，小我作風關于今朝的插畫師很主要，是以在將來，插畫師其實不會被人工智能代替。前段時光微博上有有關插畫畫風主要性的評論辯論，有興致懂得的可以檢查。

不外跟著這個對象的涌現，插畫和各類繪畫的制造可以進一步簡化。每次對象的改革，現實上都能夠是一次束縛，讓我們可以更好的表達自我。

概念設計師/原畫可以更專注于設計，而細化部門法式可以完成，貼素材的任務法式做豈非不更好？pix2pixphillipi/pix2pix曾經展示了如許的潛力。有能夠，將來只須要完成部門輪廓和剪影的設計，盤算機便可以主動生成細化的畫面，完成詬誶的光影便可以涂畫年夜體的色彩，我想這是可讓任務者更專注于他們的設計任務的。

美術素材任務者（游戲/動畫素材），任務量更少，由于素材們可以被法式生成或潤飾。好比，下圖依據需求基于例子生成畫面（紋理）alexjc/neural-doodle，有關neural style transfer更多的完成（包括近期的文章）titu1994/Neural-Style-Transfer；或是經由過程人工智能對畫面停止變更（好比變笑容的Faceapp，其根本辦法也能夠運用于材質舊化[1611.05507] Deep Feature Interpolation for Image Content Changes）。值得一提的是，紋理生成和舊化（Time-varying weathering in texture space）都已有許多傳統(tǒng)算法，后果也很好。

關于繪畫主動的清線稿和上色（不須要清稿和上色助手了，清稿シモセラ?エドガー ラフスケッチの自動線畫化，上色初心者がchainerで線畫著色してみた。わりとできた。 - Qiita|飯塚里志 - ディープネットワークを用いた年夜域特徴と局所特徴の學習による白黒寫真の自動色付け，這3個例子都是比來異常火的，就不具體瞻望了）。

其實關于主動上色來講，Paintschainer與傳統(tǒng)的算法比擬的優(yōu)勢是：

• 它可以停止必定的顏色設計。傳統(tǒng)算法重要是自力處理了上色的分區(qū)成績（一開端須要關閉圖形，今朝適用的也能夠許可非關閉圖形了如ComicStudio系列軟件），和顏色設計的成績，其實處理得比Paintschainer好。

  

  Manga Colorization（小我以為后果上照樣比Paintschainer的半主動算法好的）

  

  Color Compatibility From Large Datasets（其實狹義下去說這類手腕也是屬于今朝的人工智能的，Data Driven嘛）

  • Paintschainer的另個長處是（或是今朝這些神經收集算法），它的制造絕對簡略許多，關于制造者（研討人）的先驗常識請求少了許多，特點都由神經練習自行獲得，會使得各類幫助功效的對象開辟和運用的速度快很多。開辟的難點反而能夠是特定范疇的數據的預備。（主動補間也有傳統(tǒng)的算法，不外今朝似乎未見關于2D動畫的基于神經收集的完成）

    將來，畫面組成可以主動化嗎？年夜部門人畫畫用的設計套路必定會被盤算機學會的，它會學的更好，今朝曾經有對攝影的構圖和顏色的例子了，所以不說完整的主動設計畫面，半主動確定是會離開的。至于全主動呢？GAN相干的研討也有看圖措辭的例子。不外，基于設計須要懂得和交換的情形，我以為全主動的用途其實不是很年夜。

    總結

    我們有了新的更好的對象，可以將名貴的時光做更多更美妙的事了（包含進一步優(yōu)化任務），部門初級反復休息任務者會被代替。

    （說個很小我意見的器械，Adobe資助了許多相干的研討，然則涌現在Photoshop的寥若晨星，所以能夠年夜部門反復休息者也是不用要擔憂的。）

    對Paintschainer的額定意見

    小我以為線其實不能完整供給著色所須要的信息，其實從線稿開端的著色是兩個部門組成的：

    • 光影

    • 顏色

      許多時刻線稿給出的物體年夜概輪廓信息，然則對物體的過細構造信息缺乏夠的，而年夜部門情形下關于光的信息也是缺乏夠的（值得一提的是，練習該收集的例子線稿是帶有一部門光影信息的）。所以在用普通線稿的處置成果上，著色的作風偏扁平一點。小我不雅點，光影對作風的影響更年夜。愿望完成暗影著色的后果，可以在線稿長進一步繪畫明暗接壤線。假如真的須要作為對象應用，該運用還學聯合些傳統(tǒng)算法，如根本的膩滑。

      相似的任務

      

      （參加暗影指導的成果。含有暗影指導更相符數據集。copyright weibo@ZE_LE）

      另外基于上述對線稿的描寫，假如作為對象設計，完成上我能夠分兩步履行，線——>光影——>顏色，上面是灰度圖用Automatic Image Colorization?白黒畫像の自動色付け（在線demo）處置的成果，我以為后果是挺不錯的，不外既然都上了光影，顏色也是很快的事了。

      

      （comixwave 新海誠）

      

      (吉卜力)

      

      (Dao Dao [pixiv]

      主動著色作者Edgar Simo-Serra的另個研討，線稿簡化的在線demoSketch Simplification?ラフスケッチの自動線畫化。