聲明：本文來自於微信公眾號大數據文摘（ID：BigDataDigest），作者：牛婉楊，授權站長之家轉載發布。
在這個一言不合就鬥圖的年代，表情包已經成為了人人必需的「裝備」。
最近，文摘菌就發現一位外國友人做了個AI表情包生成器，坦白講這個生成器依然逃不過「沙雕」的標籤，就像之前的「狗屁不通文章生成器」和「讀後感生成器」。
它的首頁是這個樣子的👇有 48 個表情包模板可供使用。
傳送門：
https：//imgflip.com/ai-meme
*看到這裡有沒有朋友好奇「Meme」是什麼?事實上，「Meme」就是我們常說的表情包。
網站標題「This Meme Does Not Exist」也延續了之前各種StyleGan生成網站的「不存在」系列，意喻「不存在的表情包」。
接下來就讓我們直奔主題，文摘菌要好好看看它能給表情包配上什麼字~
首先，大致掃了一眼，發現最眼熟的就是第二行中間那隻doge，確認過眼神，就它了!選中圖片之後，就生成了以下表情包：
這個文字配的嘛，大家仔細品，還是比較符合我們日常的表情包風格。再點擊刷新，AI又會給這張圖配上新的文字，下面這張送給吃貨朋友們：
刷新了幾次，文摘菌發現，出現次數最多的詞彙有「wow」，「such」，「much」等一些百搭詞彙，而這個AI文字生成器的水平也是參差不一，有時覺得這個表情包可以拿來用，有時就覺得很荒謬，get不到有趣的點。
除此之外，我們還可以在文本框裡輸入一些文字提示，來幫助它生成我們想要的表情包。比如文摘菌輸入「hello」，就生成了這樣子的表情包：
這...真的難為它了。要不文摘菌輸入一點符合表情包邏輯的單詞?比如：
立馬就有內味兒了是不是!
這個網站除了生成表情包還能幹啥
從這個網站首頁看來，似乎還是一個表情包發燒友的交流社區?大家可以把自己製作的表情包發布到網站，用戶可以根據喜好來投票。
AI生成表情包只是這個網站的一個項目，除此之外還可以手動上傳表情包背景，以及輸入表情包內容。但在文摘菌看來，這個網站相比國內微信表情包搜索和某圖的一鍵表情包p圖，簡直弱爆了~
說了這麼多，還沒有介紹項目作者。這個表情包生成器的作者是Dylan Wenzlau，也是這個表情包素材平臺Imgflip的創始人。他在Medium上發表的一篇文章中，詳細介紹了表情包生成器的原理，是通過深度卷積網絡製作的。
Medium超詳細教程：
https：//towardsdatascience.com/meme-text-generation-with-a-deep-convolutional-network-in-keras-tensorflow-a57c6f218e85
深度卷積網絡是一種常用於圖像的神經網絡，Wenzlau使用機器學習平臺Tensorflow和Keras對其進行了訓練，建立了一個能匹配 48 種不同表情包格式的文本生成模型。他還在Github上發布了完整的代碼供大家嘗試。
Github指路：
https：//github.com/dylanwenzlau/ml-scripts/tree/master/meme_text_gen_convnet
表情包質量如何，數據集來決定!
數據集簡直就是AI生成文案的靈魂啊，要想表情包更接地氣，就要儘可能多的收集數據。
就Wenzlau所說，在做這個生成器時，選取了 96 萬個表情包文案作為訓練數據。為了使文字生成的更加精確，Wenzlau以字母為單位作為一個訓練樣本，而不是一個單詞。他還表示，以字母為單位訓練的成果比以單詞為單位要有趣多了!因為對於英文來說，以字母劃分更加細緻，能夠激發AI更多的可能性。
實際上，表情包生成器並不是第一次出現，兩年前史丹福大學的Abel L. Peirson V和E. Meltem Tolunayl就寫了一篇關於使用深度神經生成表情包的論文。他們為此還做了一個APP，稱之為首個可以用AI生成表情包的應用程式。
他們在論文中寫道，數據集對這個生成器來說太重要了。
他們的數據集由大約 40 萬張帶有標籤以及說明的圖片組成。其中有 2600 個專門的圖片-標籤組合，是他們從Python腳本中獲得的。
如上圖所示，數據集中一張圖片對應一個標籤和相關的說明，「手把手」教AI學習。
來看看這個AI的作品吧，你pick哪張呢?
目前看來，AI的這些配字，就像一個青澀的孩子說出來的話，有些很可愛，有些又很荒謬。
但事實上，幽默感確實很難評判，大都因人而異，還帶有一些主觀色彩。
這篇論文的作者也指出，他們的這項工作十分基礎，要想表情包更加接地氣，還要經過更長時間的研究。另外，他們還指出探索視覺注意力機制在表情包生成中的作用，也是一個不錯的研究方向。