神经网络已经猜到了你要绘制的内容
Try the sketch-rnn demo
对于通过蜂窝数据连接网络的移动用户：第一个演示大小约为 5 MB 数据。每次在演示中更改模型时，您将使用另外 5 MB 的数据。
我们进行了一个交互式网络实验，让你能与一个名为 sketch-rnn 的循环神经网络模型一起绘制作品。我们利用来自于 Quick Draw！ 游戏的数百万涂鸦训练该神经网络。一旦开始绘制对象，sketch-rnn 将提出许多可行的方法基于你中断的位置继续绘制此对象。试试第一个演示。
在上面的演示中，我们被提示开始绘制特定对象。一旦你停止涂鸦，神经网络将接管并试图猜测涂鸦的其余部分。你可以再次接管绘图并继续从中断处开始。我们训练了大约 100 种可以用于试验的模型，并且一些模型在多种类别上进行了训练。
其他 sketch-rnn 演示
下面的演示最好在桌面浏览器上体验，而不是在移动设备上体验。
多预测
多预测演示
该演示类似于第一个预测绘图其余部分的演示。在此版本中，您将在左侧区域内绘制草图的开头，模型将在右侧较小的框内预测图形的其余部分。这样，您可以看到模型预测的各种不同结局。预测的结局有时会让人感到期待，有时会出乎意料和奇怪，而且有时也可能是丑陋和完全错误的。
你还可以选择不同的类别，使模型基于相同的不完整的起始草图绘制不同的对象，或者使模型绘制方形猫或圆形卡车等内容。你可以随时中断模型并继续在左侧区域内绘制图形，并让模型不断预测你离开的位置。
插值
插值演示
除了预测不完整绘图的其余部分外，sketch-rnn 还可以从一个绘图变换到另一个绘图。在 Interpolation Demo 中，可以使用屏幕两侧的按钮随机生成两个图像。点击 Interpolate 按钮，模型将提出新的草图，作为两个原始草图之间的插值。在上图中，模型在自行车和瑜伽位置之间进行插值。尝试使用插值演示在两个随机生成的图像之间进行变换。
变分自动编码器
变分自动编码器演示
该模型还可以模拟你的绘图并生成类似的涂鸦。在变分自动编码器演示中，你将绘制指定对象的完整图形。在左侧区域内绘制完整草图后，点击自动编码按钮，模型将开始在右侧较小的框内绘制类似的草图。模型将尝试模拟你的绘图，而不是绘制完美的绘图副本。
你可以尝试绘制其他类别的绘图对象，并查看模型如何解释你的绘图。尝试变分自动编码器演示。
想了解更多？
如果您想了解更多信息，请参阅以下几点：
谷歌搜索关于本模型的 blog post（https://ai.googleblog.com/2017/04/teaching-machines-to-draw.html）
阅读我们的论文 A Neural Representation of Sketch Drawings (https://arxiv.org/abs/1704.03477)
早期的 Magenta blog post （https://magenta.tensorflow.org/sketch_rnn）介绍了此模型的 TensorFlow 实现。GitHub repo（https://github.com/tensorflow/magenta/blob/master/magenta/models/sketch_rnn/README.md）
该模型的 JavaScript 实现以及预先训练的模型权重。GitHub repo（https://github.com/tensorflow/magenta-demos/blob/master/sketch-rnn-js/README.md）
更多 AI 相关阅读：
Be a Tensorflower