Prisma 是通过卷积神经网络（CNN）完成上述的图片重画过程。我在上面所提到的论文是运用深度学习来做一些艺术性的创作工作而不是给猫分类这样的任务。这是一篇很好的论文，论文的写作很用心并且你可以运行出论文里所提到的结果。

Krister Stewart 的论文只是「延伸（extend）」Gatys 等人的工作。首先，她的研究论文不是一个真正意义上的关于人工智能的论文。他们甚至很可能都没有做一篇人工智能论文的意愿。让我们来分析这篇「人工智能」论文中第一个也是唯一一个数学公式。

　　Experimenting with the style transfer ratio led us to conclude that it needed to be exponent form for meaningful creative exploration. Subjectively, this exponential form gave us a useful measure of unrealness, u , a rough way to map how impressionistic the style transferred image looked: style transfer ratio = 10^u

以上内容为论文节选，唯一出现的数学公式为：风格转换系数=10^u

Kristen Stewart（可能是这篇论文最重要的一个作者）的论文的「贡献」根本谈不上是「贡献」（contribution）。评论结束。Gatys 的论文中早有谈及这个公式，甚至有对改变风格转换系数值所依次得到的效果呈现图。

这里补充给大家 Kristen 论文中的风格转换图（上）以及 Gatys 论文中的风格系数改变效果图（下），大家可以对比来看。（编译者注）

他们在论文中提到几个其他贡献，我相信，对于一篇论文来说，这些也是不够的。文中谈到几个参数（不是超参数）以及如何调这些参数。这完全不能构成一篇人工智能论文。他们只是把自己的工作像写博客那样让所有人知道。我个人没有发现他们论文中任何的价值点。没有一点能对我既有知识的进行扩充。

但是，这篇论文或许对那些打算在电影制作中用深度学习技术实现风格转换的人有用，对那些需要调整参数来得到足够好的产品输出图片的人也有用。

如果你真的想知道 Kristen Stewart 论文中那堆东西是怎么实现的或者说 Prisma App 的原理，那么你去读 Gatys 等人的论文吧。

最后，我认为，Kristen 甚至没有做任何与深度学习相关的技术工作。她很可能只是挂名在论文下面，就如那些没有参与任何论文研究的教授在论文下面挂名一样。Kristen 是一个演员不是一个深度学习工程师。这也是对该论文的作者、研究工程师 Bhautik J Joshi 的批评。

在我的分析里也许有错误的地方，非常欢迎大家挑出我错误的地方。

加油！

回答者三：Roman Trusov，Facebook 人工智能研究（FAIR）的 2016 年实习生

这不是一篇研究论文，也不是关于人工智能的。唯一真实的部分就是「Kristen Stewart」。

他们所做的：下载一个预训练了的直接可用的架构，然后在他们的图像集上运行了一下。你不需要为此做任何训练。要解决的问题是找到一个足够轻量的解决方案（vgg16 vs vgg19）以及设置一下去噪例程（denoising routines），这纯粹是个技术活儿。

如果去掉「Kristen Stewart」，在机器学习领域里，没人会看把这篇文章两遍，仅此一点就可以判断出里面有多少科学成分。

除此之外，试着减小 Erd?s–Bacon 数字是一个不错的尝试，显然，这是真的。或许也能鼓励更多的女性踏入计算机科学领域。

现在，是时候行动起来了。

回答者四：Alex Seewald

Stewart 这次完成的工作更像是研究生的课程期末作业、人工智能爱好者发布的技术博客或本科生论文（thesis），却不像学术出版物。神经风格迁移（Neural style transfer）和与之相关的一切已经完成研究了。他们提到在实践中什么有效和无效的内容，对那些打算使用神经风格转移的人来说，是一些准确的信息（我在运用风格转移时，也有相似体验）。但是，说「在这些条件下，x 奏效但是 y 却不能」，这种深度的研究不能算真正的科学研究。

Kristen stewart 参与论文的事情让人们想知道她是如何参与的。通常仅列举作者名字的做法并不会真的给你这方面的答案。通常也没啥机会怀疑某人是否参与过论文。这一次，我并不相信，但是我想相信。我希望能在 CVPR 会议上遇见 Kristin Stewart。

©本文为机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]