本文由米爾論壇優秀評測者“ALSET”提供。

01.

項目背景介紹

AIGC（即ArtificialIntelligence Generated Content），中文譯為人工智能生成內容。簡單來說，就是經過大量特征訓練過的神經網絡模型來對新的內容或者需求來生成人們需要的創作內容，類似使用人類用思考和創造力才能完成的工作過程，而現在可以利用人工智能技術來替代我們完成。在狹義上AIGC是指利用AI自動生成內容的生產方式，比如自動寫作、自動設計等。在廣義上，AIGC是指像人類一樣具備生成創造能力的AI技術，它可以基于訓練數據和生成算法來完成各類的內容生成創作。在圖像生成模型生成方面最主要的幾個代表模型，是以下常見的4個模型：

DNNGANVAEDiffusion

其中基于深度神經網絡（DNN）的進行圖像藝術風格轉移（Transform），生成高質量的具有藝術風格圖像的神經網絡模型。該模型通過深度神經網絡分別提取圖像中的內容和風格特征，然后對其目標圖片內容進行重組，生成具有原圖內容和藝術風格的圖像，其風格轉移不僅對圖像的圖案，顏色，特征等進行修改還保留原圖高可辨識的內容載體。通常AIGC對硬件性能要求較高，只要具備高性能的圖形圖像的PC圖形工作站或者服務器上來運行。而這里我們將使用MYD-YG2L開發板上來實現在嵌入式設備上完成圖像風格轉移計算這一任務。并且結合圖形界面和USB攝像頭完成對任意拍攝的圖片進行圖像風格化的開發。讓嵌入式上也能夠體驗這種獨特的AIGC內容生成方式。

02.

技術硬件方案

項目采用MYD-YG2L為主控板，使用800萬像素4K級廣角USB相機鏡頭，通過采集畫面，在主控板內完成對畫面的風格化處理，并通過HDMI輸出顯示生成的圖像。

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

03.

主要技術原理

圖像風格轉移的主要過程是對輸入img_content和img_style，然后要把img_content的內容主體和img_style進行一個結合，實現一個圖像的創意創作，這個過程也叫做Style Transform 即風格轉移。

其核心的算法是把基于CNN卷積編碼后的特征向量transformer第一個結合到風格遷移任務中，再對混合后的內容進行解碼，從而輸出新的圖像內容，主要參考李飛飛論文，其核心流程如下圖： 經過測試MYD-YG2L較好的支持OpenCV這個工具庫，并且具備較強的圖像處理能力。那么就可以在板上使用OpenCV的DNN模塊來實現以上算法過程。OpenCV的DNN模塊從發行版開始，主要是支持推理，而數據訓練不是其支持的目標。因此我們可以使用已經訓練好的模型，在板上上完成推理過程，即圖像風格轉移生成的這一過程?，F在OpenCV已經支持TensorFlow、Pytorch/Torch、Caffe、DarkNet等模型的讀取，OpenCV的 DNN模塊的用法。OpenCV的DNN模塊進行模型推理就顯得比較簡單，過程就是：1.加載模型因為OpenCV DNN模塊主要用來做推理計算，所以在使用前首先準備一個訓練好的模型（如何訓練自己的不同風格的模型后面也會闡述）。OpenCV支持所有主流框架的大部分模型。OpenCV的readNet系列函數就可以看出所支持的框架類型：

readNetFromCaffereadNetFromTensorflowreadNetFromTorchreadNetFromDarknetreadNetFromONNXreadNetFromModelOptimizer

這里所用風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函數加載PyTorch模型。2.輸入圖像預處理在OpenCV中輸入給模型的圖像需要首先被構建成一個4個區塊的數據塊（Blob），并且做如resize、歸一化和縮放之類的一些預處理。3.模型推理模型推理過程就是把輸入構建的blob輸入給模型神經網絡模型進行一次前向傳播，在OpenCV中，用以下非常簡單的兩行代碼即可完成：net.setInput(blob)output = net.forward()

04.

軟件系統設計

在本軟件開發，主要使用MYD-YG2L的SDK中，使用了OpenCV SDK與QT SDK。QT 主要實現文件圖像風格轉移的界面操作，使用OpenCV實現DNN圖像推理計算。設計QTUI，選擇文件或者攝像頭采集原圖像

?

開發UI交互邏輯代碼

?

開發OpenCV DNN神經網絡調用模塊

?

在開發板的交叉編譯環境編譯，把編譯的結果部署到開發板上。另外把風格轉移用到的訓練模型文件也部署到開發板上，經過實際測試，以下模型在開發板上運行正常，而其它模型則因內存不夠而報錯。1: "udnie", 2: "la_muse", 3: "the_scream", 4: "candy", 5: "mosaic", 6: "feathers", 7: "starry_night"

05.

軟件運行效果

把QT軟件與相關模型文件部署到開發板上后，即可以運行測試效果，開發板上啟動運行QT程序命令：./style_transform -platform linuxfb運行后，選擇一張圖片顯示

點擊 “transform”按鈕，等待約13秒，得到風格轉移輸出畫面

再換一張米爾的LOGO圖，這個圖片尺寸較小，圖像內容變化率低看一下，風格化轉換時間：

?

測試仍然為13秒左右，得到如下輸出圖像：

?

這上面使用的是feathers模型生成的風格圖片，其它模型時間也差不多在這個時間。

06.

開發后記

最后使用開發的圖像轉換程序，在MAC電腦上編譯了MAC版本與開發板上對同一圖片轉換進行比較。其使用MacBook Pro 2.2G 16G內存主頻硬件運行該圖片轉換時，需要8.6秒。多次測試，對不同模型的轉換分別測試，基本上在MYD-YG2LX上運行速度能達到MAC電腦轉換的66%性能，這個結果看該開發板其DNN推理計算性能比較強悍。 該項目在后續的發展中，在有更多時間時，將嘗試訓練更多特色的風格，以及融入GAN生成神經網絡模型的內容生成模型，嘗試多種方法來進行更豐富多彩的內容生成。在做本項目開發時，從資料中已知知名的內容生成項目stable diffusion已經在一些嵌入式開發板上移植運行成功，這個振奮的消息會不會又給自己挖了一個坑呢。