01.

項(xiàng)目背景介紹

AIGC（即ArtificialIntelligence Generated Content），中文譯為人工智能生成內(nèi)容。簡(jiǎn)單來(lái)說(shuō)，就是經(jīng)過(guò)大量特征訓(xùn)練過(guò)的神經(jīng)網(wǎng)絡(luò)模型來(lái)對(duì)新的內(nèi)容或者需求來(lái)生成人們需要的創(chuàng)作內(nèi)容，類似使用人類用思考和創(chuàng)造力才能完成的工作過(guò)程，而現(xiàn)在可以利用人工智能技術(shù)來(lái)替代我們完成。在狹義上AIGC是指利用AI自動(dòng)生成內(nèi)容的生產(chǎn)方式，比如自動(dòng)寫作、自動(dòng)設(shè)計(jì)等。在廣義上，AIGC是指像人類一樣具備生成創(chuàng)造能力的AI技術(shù)，它可以基于訓(xùn)練數(shù)據(jù)和生成算法來(lái)完成各類的內(nèi)容生成創(chuàng)作。

在圖像生成模型生成方面最主要的幾個(gè)代表模型，是以下常見(jiàn)的4個(gè)模型：

DNN

GAN

VAE

Diffusion

其中基于深度神經(jīng)網(wǎng)絡(luò)（DNN）的進(jìn)行圖像藝術(shù)風(fēng)格轉(zhuǎn)移（Transform），生成高質(zhì)量的具有藝術(shù)風(fēng)格圖像的神經(jīng)網(wǎng)絡(luò)模型。該模型通過(guò)深度神經(jīng)網(wǎng)絡(luò)分別提取圖像中的內(nèi)容和風(fēng)格特征，然后對(duì)其目標(biāo)圖片內(nèi)容進(jìn)行重組，生成具有原圖內(nèi)容和藝術(shù)風(fēng)格的圖像，其風(fēng)格轉(zhuǎn)移不僅對(duì)圖像的圖案，顏色，特征等進(jìn)行修改還保留原圖高可辨識(shí)的內(nèi)容載體。

通常AIGC對(duì)硬件性能要求較高，只要具備高性能的圖形圖像的PC圖形工作站或者服務(wù)器上來(lái)運(yùn)行。而這里我們將使用MYD-YG2L開發(fā)板上來(lái)實(shí)現(xiàn)在嵌入式設(shè)備上完成圖像風(fēng)格轉(zhuǎn)移計(jì)算這一任務(wù)。并且結(jié)合圖形界面和USB攝像頭完成對(duì)任意拍攝的圖片進(jìn)行圖像風(fēng)格化的開發(fā)。讓嵌入式上也能夠體驗(yàn)這種獨(dú)特的AIGC內(nèi)容生成方式。

02.

技術(shù)硬件方案

項(xiàng)目采用MYD-YG2L為主控板，使用800萬(wàn)像素4K級(jí)廣角USB相機(jī)鏡頭，通過(guò)采集畫面，在主控板內(nèi)完成對(duì)畫面的風(fēng)格化處理，并通過(guò)HDMI輸出顯示生成的圖像。

這里使用開發(fā)板連接HDMI顯示器和接入一個(gè)4K高清鏡頭，主要硬件連接如下圖：

03.

主要技術(shù)原理

圖像風(fēng)格轉(zhuǎn)移的主要過(guò)程是對(duì)輸入img_content和img_style，然后要把img_content的內(nèi)容主體和img_style進(jìn)行一個(gè)結(jié)合，實(shí)現(xiàn)一個(gè)圖像的創(chuàng)意創(chuàng)作，這個(gè)過(guò)程也叫做Style Transform 即風(fēng)格轉(zhuǎn)移。如下圖中，第一列是輸入的原圖像, 第二列是風(fēng)格圖，第三列之后就是各種控制參數(shù)下的輸出風(fēng)格圖像：

其核心的算法是把基于CNN卷積編碼后的特征向量transformer第一個(gè)結(jié)合到風(fēng)格遷移任務(wù)中，再對(duì)混合后的內(nèi)容進(jìn)行解碼，從而輸出新的圖像內(nèi)容，主要參考李飛飛論文，其核心流程如下圖：

經(jīng)過(guò)測(cè)試MYD-YG2L較好的支持OpenCV這個(gè)工具庫(kù)，并且具備較強(qiáng)的圖像處理能力。那么就可以在板上使用OpenCV的DNN模塊來(lái)實(shí)現(xiàn)以上算法過(guò)程。OpenCV的DNN模塊從發(fā)行版開始，主要是支持推理，而數(shù)據(jù)訓(xùn)練不是其支持的目標(biāo)。因此我們可以使用已經(jīng)訓(xùn)練好的模型，在板上上完成推理過(guò)程，即圖像風(fēng)格轉(zhuǎn)移生成的這一過(guò)程。現(xiàn)在OpenCV已經(jīng)支持TensorFlow、Pytorch/Torch、Caffe、DarkNet等模型的讀取，OpenCV的 DNN模塊的用法。

OpenCV的DNN模塊進(jìn)行模型推理就顯得比較簡(jiǎn)單，過(guò)程就是：

1.加載模型

因?yàn)镺penCV DNN模塊主要用來(lái)做推理計(jì)算，所以在使用前首先準(zhǔn)備一個(gè)訓(xùn)練好的模型（如何訓(xùn)練自己的不同風(fēng)格的模型后面也會(huì)闡述）。OpenCV支持所有主流框架的大部分模型。OpenCV的readNet系列函數(shù)就可以看出所支持的框架類型：

readNetFromCaffe

readNetFromTensorflow

readNetFromTorch

readNetFromDarknet

readNetFromONNX

readNetFromModelOptimizer

這里所用風(fēng)格遷移模型是開源的Torch/Lua的模型fast-neural-style。他們提供了十種風(fēng)格遷移的模型，模型的下載腳本在：https://github.com/jcjohnson/fas ... _transfer_models.sh。這里使用OpenCV的readNetFromTorch函數(shù)加載PyTorch模型。

2.輸入圖像預(yù)處理

在OpenCV中輸入給模型的圖像需要首先被構(gòu)建成一個(gè)4個(gè)區(qū)塊的數(shù)據(jù)塊（Blob），并且做如resize、歸一化和縮放之類的一些預(yù)處理。

3.模型推理

模型推理過(guò)程就是把輸入構(gòu)建的blob輸入給模型神經(jīng)網(wǎng)絡(luò)模型進(jìn)行一次前向傳播，在OpenCV中，用以下非常簡(jiǎn)單的兩行代碼即可完成：

net.setInput(blob)

output = net.forward()

04.

軟件系統(tǒng)設(shè)計(jì)

在本軟件開發(fā)，主要使用MYD-YG2L的SDK中，使用了OpenCV SDK與QT SDK。QT 主要實(shí)現(xiàn)文件圖像風(fēng)格轉(zhuǎn)移的界面操作，使用OpenCV實(shí)現(xiàn)DNN圖像推理計(jì)算。

設(shè)計(jì)QTUI，選擇文件或者攝像頭采集原圖像

開發(fā)UI交互邏輯代碼

開發(fā)OpenCV DNN神經(jīng)網(wǎng)絡(luò)調(diào)用模塊

在開發(fā)板的交叉編譯環(huán)境編譯，把編譯的結(jié)果部署到開發(fā)板上。另外把風(fēng)格轉(zhuǎn)移用到的訓(xùn)練模型文件也部署到開發(fā)板上，經(jīng)過(guò)實(shí)際測(cè)試，以下模型在開發(fā)板上運(yùn)行正常，而其它模型則因內(nèi)存不夠而報(bào)錯(cuò)。

1: "udnie",

    2: "la_muse",

    3: "the_scream",

    4: "candy",

    5: "mosaic",

    6: "feathers",

    7: "starry_night"

05.

軟件運(yùn)行效果

把QT軟件與相關(guān)模型文件部署到開發(fā)板上后，即可以運(yùn)行測(cè)試效果，開發(fā)板上啟動(dòng)運(yùn)行QT程序命令：

./style_transform -platform linuxfb

運(yùn)行后，選擇一張圖片顯示如下：

點(diǎn)擊 “transform”按鈕，等待約13秒，得到風(fēng)格轉(zhuǎn)移輸出畫面，如下：

再換一張米爾的LOGO圖，這個(gè)圖片尺寸較小，圖像內(nèi)容變化率低看一下，風(fēng)格化轉(zhuǎn)換時(shí)間：

測(cè)試仍然為13秒左右，得到如下輸出圖像：

這上面使用的是feathers模型生成的風(fēng)格圖片，其它模型時(shí)間也差不多在這個(gè)時(shí)間。

06.

開發(fā)后記

最后使用開發(fā)的圖像轉(zhuǎn)換程序，在MAC電腦上編譯了MAC版本與開發(fā)板上對(duì)同一圖片轉(zhuǎn)換進(jìn)行比較。其使用MacBook Pro 2.2G 16G內(nèi)存主頻硬件運(yùn)行該圖片轉(zhuǎn)換時(shí)，需要8.6秒。多次測(cè)試，對(duì)不同模型的轉(zhuǎn)換分別測(cè)試，基本上在MYD-YG2LX上運(yùn)行速度能達(dá)到MAC電腦轉(zhuǎn)換的66%性能，這個(gè)結(jié)果看該開發(fā)板其DNN推理計(jì)算性能比較強(qiáng)悍。

該項(xiàng)目在后續(xù)的發(fā)展中，在有更多時(shí)間時(shí)，將嘗試訓(xùn)練更多特色的風(fēng)格，以及融入GAN生成神經(jīng)網(wǎng)絡(luò)模型的內(nèi)容生成模型，嘗試多種方法來(lái)進(jìn)行更豐富多彩的內(nèi)容生成。

在做本項(xiàng)目開發(fā)時(shí)，從資料中已知知名的內(nèi)容生成項(xiàng)目stable diffusion已經(jīng)在一些嵌入式開發(fā)板上移植運(yùn)行成功，這個(gè)振奮的消息會(huì)不會(huì)又給自己挖了一個(gè)坑呢。

07.

參考文獻(xiàn)與資料

[1]. MYD-YG2LX開發(fā)板文檔：

http://down.myir-tech.com/MYD-YG2LX

[2] PerceptualLosses for Real-Time Style Transfer and Super-Resolution。李飛飛

[3].MYD-YG2LX_Linux軟件開發(fā)指南

http://down.myir-tech.com/MYD-YG2LX/User_Manual.zip

[4].SDK 及原理圖倉(cāng)庫(kù)：

http://down.myir-tech.com/MYD-YG2LX/01_Documents.zip

[5] 黃俊明; 陳平平; 王彩申; Linux環(huán)境下基于OpenCV圖像處理，電腦編程技巧與維護(hù)，2023.1

[6] Perceptual lossfor Real time Style Transfer and Super-Resolution 論文閱讀分析

https://zhuanlan.zhihu.com/p/27165113

[7] Torch風(fēng)格轉(zhuǎn)移訓(xùn)練完成模型：

https://github.com/jcjohnson/fast-neural-style