问：一匹棕色马如何变成一匹斑马？

一个可能的答案是：深度学习模型。

运用类似的模型，还可以将莫奈的绘画作品变成真实的风景照片。

这种模型名为生成式对抗网络（简称“GAN”），最早出现于2014年，被认为是深度学习领域的一项革命性成果。经过多年发展，GAN衍生出一个庞大的“家族”，包括CycleGAN、Pix2Pix、StyleGAN等。它们可以用于图片风格迁移、图像编辑、图片生成等场景。

前面提到的马变成斑马，莫奈画作变照片，正是运用了CycleGAN模型。

一只高跟鞋的轮廓，通过Pix2Pix模型，则可以复原成真实的鞋子。

虽然GAN模型应用广泛，优点很多，但需要很高的输入分辨率，对计算资源和存储空间需求大。因此，业界一直在努力改进GAN的压缩方法。

2020年，麻省理工学院、Adobe和上海交通大学技术人员提出一种GAN压缩算法，将算力消耗成功减少到1/21。

最近，字节跳动技术团队推出了一项自研GAN压缩算法，名为“在线多粒度蒸馏技术”，简称OMGD。

这项算法能够极大降低CycleGAN和Pix2Pix模型的算力消耗，分别降至原来的1/40和1/46。不仅参数和计算量更少，图像生成效果也更好。

以下图为例。MACs代表消耗的计算量，FID代表生成效果，数值越小，效果越好。在靴子轮廓变成真靴子的过程中，OMGD消耗的计算量仅为1.219G，相比于原始状态的56.8G，计算量大幅减少，生成效果也更优。

目前，OMGD技术已经应用在多款抖音智能特效中。比如“三屏人生”。过去、现在和未来在同一个屏幕里，像是不同阶段的自己在对话。

数据显示，OMGD压缩能力（MACs）和生成效果（FID）都排在首位

又比如火遍抖音的动态照片。很多网友使用这款特效，让老相册里的家人动了起来。有的同学用工牌试了下，看到照片上的自己露出笑容。

还有特效“变胖的你”，可以让大家感受一下变月半之后的样子。

大幅提升的压缩能力，加上抖音的使用体量，将节约大量的计算成本。同时，这也可以给广大用户提供更加流畅的体验。

另外，这篇论文已入选国际计算机视觉会议ICCV 2021。相关技术代码也已发布在开源社区，帮助从业者提升GAN的创新和应用效率。

论文链接：

https://arxiv.org/abs/2108.06908

开源链接：

https://github.com/bytedance/OMGD