基于一向都在做相干的器械，而且现实运用的阅历，我以为绘画中的部门任务会有愈来愈多的可依附机械，然则代替插画师是不太能够的，被代替的重要为底层的反复休息任务者。 这个成绩和几个概念有关，设计、艺术、插画师（美术职业偏向）。 起首关于设计和艺术，不太懂得的可以查询下相干的答复，有许多谜底都说得很好。出于部门人对艺术的界说，人工智能是没法杀青超出人的，由于这违背其界说，所以我小我也以为艺术家是不会被人工智能代替的。 不外，今朝的年夜部门美术相干的职业其实设计的部门会更多些。关于插画师，狭义的界说是画画为职业的人，然则今朝的插画师，更多的任务重要是完成一种叫插画的美术品，其是纯艺术和设计的联合，是有包括甲方的设计的需求的，须要对主题、构图停止小我意向以外的掌握。 再广义些，重要就是完成书本中的配图，将文字经由过程画面进一步表达，而关于这类情形装潢性（美不美），小我作风，与文字的婚配度（是一种设计）都有请求。我小我以为插画师在浩瀚美术相干职业里，艺术性是偏多的，小我作风关于今朝的插画师很主要，是以在将来，插画师其实不会被人工智能代替。前段时光微博上有有关插画画风主要性的评论辩论，有兴致懂得的可以检查。 不外跟着这个对象的涌现，插画和各类绘画的制造可以进一步简化。每次对象的改革，现实上都能够是一次束缚，让我们可以更好的表达自我。 概念设计师/原画可以更专注于设计，而细化部门法式可以完成，贴素材的任务法式做岂非不更好？pix2pixphillipi/pix2pix曾经展示了如许的潜力。有能够，将来只须要完成部门轮廓和剪影的设计，盘算机便可以主动生成细化的画面，完成诟谇的光影便可以涂画年夜体的色彩，我想这是可让任务者更专注于他们的设计任务的。 美术素材任务者（游戏/动画素材），任务量更少，由于素材们可以被法式生成或润饰。好比，下图依据需求基于例子生成画面（纹理）alexjc/neural-doodle，有关neural style transfer更多的完成（包括近期的文章）titu1994/Neural-Style-Transfer；或是经由过程人工智能对画面停止变更（好比变笑容的Faceapp，其根本办法也能够运用于材质旧化[1611.05507] Deep Feature Interpolation for Image Content Changes）。值得一提的是，纹理生成和旧化（Time-varying weathering in texture space）都已有许多传统算法，后果也很好。 关于绘画主动的清线稿和上色（不须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画化，上色初心者がchainerで線画着色してみた。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学習による白黒写真の自動色付け，这3个例子都是比来异常火的，就不具体瞻望了）。 其实关于主动上色来讲，Paintschainer与传统的算法比拟的优势是： 它可以停止必定的颜色设计。传统算法重要是自力处理了上色的分区成绩（一开端须要关闭图形，今朝适用的也能够许可非关闭图形了如ComicStudio系列软件），和颜色设计的成绩，其实处理得比Paintschainer好。 Manga Colorization（小我以为后果上照样比Paintschainer的半主动算法好的） Color Compatibility From Large Datasets（其实狭义下去说这类手腕也是属于今朝的人工智能的，Data Driven嘛） Paintschainer的另个长处是（或是今朝这些神经收集算法），它的制造绝对简略许多，关于制造者（研讨人）的先验常识请求少了许多，特点都由神经练习自行获得，会使得各类帮助功效的对象开辟和运用的速度快很多。开辟的难点反而能够是特定范畴的数据的预备。（主动补间也有传统的算法，不外今朝似乎未见关于2D动画的基于神经收集的完成） 将来，画面组成可以主动化吗？年夜部门人画画用的设计套路必定会被盘算机学会的，它会学的更好，今朝曾经有对摄影的构图和颜色的例子了，所以不说完整的主动设计画面，半主动确定是会离开的。至于全主动呢？GAN相干的研讨也有看图措辞的例子。不外，基于设计须要懂得和交换的情形，我以为全主动的用途其实不是很年夜。 总结 我们有了新的更好的对象，可以将名贵的时光做更多更美妙的事了（包含进一步优化任务），部门初级反复休息任务者会被代替。 （说个很小我意见的器械，Adobe资助了许多相干的研讨，然则涌现在Photoshop的寥若晨星，所以能够年夜部门反复休息者也是不用要担忧的。） 对Paintschainer的额定意见 小我以为线其实不能完整供给着色所须要的信息，其实从线稿开端的着色是两个部门组成的： 光影 颜色 许多时刻线稿给出的物体年夜概轮廓信息，然则对物体的过细构造信息缺乏够的，而年夜部门情形下关于光的信息也是缺乏够的（值得一提的是，练习该收集的例子线稿是带有一部门光影信息的）。所以在用普通线稿的处置成果上，着色的作风偏扁平一点。小我不雅点，光影对作风的影响更年夜。愿望完成暗影着色的后果，可以在线稿长进一步绘画明暗接壤线。假如真的须要作为对象应用，该运用还学联合些传统算法，如根本的腻滑。 相似的任务 （参加暗影指导的成果。含有暗影指导更相符数据集。copyright weibo@ZE_LE） 另外基于上述对线稿的描写，假如作为对象设计，完成上我能够分两步履行，线——>光影——>颜色，上面是灰度图用Automatic Image Colorization・白黒画像の自動色付け（在线demo）处置的成果，我以为后果是挺不错的，不外既然都上了光影，颜色也是很快的事了。 （comixwave 新海诚） (吉卜力) (Dao Dao [pixiv] 主动着色作者Edgar Simo-Serra的另个研讨，线稿简化的在线demoSketch Simplification・ラフスケッチの自動線画化。
