普林斯顿大学学生研究员提出“素描和绘画” GAN(SAPGAN):中国山水画一代的GAN框架

0
1510
Source: //github.com/alicex2020/Chinese-Landscape-Painting-Dataset

的出现和不断完善 生成对抗网络 (GAN)通过AI产生了各种风格的令人印象深刻的艺术品。普林斯顿大学本科生爱丽丝·薛(Alice Xue)最近为中国山水画一代设计了GAN框架,该框架非常有效,以至于无法将其作品与真实事物区分开。

根据这个 ,即拟议的框架,即 素描画 (SAPGAN),是无条件输入的中国山水画生成的第一个端到端模型。视觉图灵测试的大约242名参与者将SAPGAN绘画确定为人类艺术品,其频率要比基线GAN的艺术品高得多。 Xue解释说,基于GAN的流行艺术生成方法(如样式转移)过于依赖条件输入。但是,依赖于条件输入的模型的生成能力有限,因为它们的图像是基于单个人工输入的。这种依赖意味着他们只能生产衍生品,这些衍生品只是条件输入的文体复制。

因此,Xue进一步提出,不依赖条件输入的模型可以生成从潜在空间播种的无穷绘画集。随着 风格,其输出 内容 通过这种端到端的创作过程,艺术上也会有所变化。

广告Coursera Plus标语,包含约翰·霍普金斯大学,谷歌和密歇根大学的课程,突出显示数据科学职业发展的内容

这种方法试图模仿中国传统山水画家的“素描和绘画”过程。因此,SAPGAN的设计分为两个阶段: 

  • SketchGAN 组件:这是用于生成边图的
  • 漆甘 组件:这是用于后续的边缘到绘画转换。 

为了提高SketchGAN的培训水平,薛策划了一个新的数据集,该数据集来自博物馆收藏的大约2k张高质量的中国传统山水画。

与RaLSGAN和StyleGAN2相比,该SAPGAN模型被认为在写实和艺术构图上均表现更好。在视觉图灵测试中,人类评估者查看了18幅画作,每幅分别来自SAPGAN,人类画家和基线模型RaLSGAN的六幅。人们发现,有55%的时间将SAPGAN画选为人类创作。相比之下,基准RaLSGAN模型的世代可以管理几乎11%的愚蠢频率。

//arxiv.org/pdf/2011.05552.pdf

薛认为,这项研究可以为真正的机器原创艺术创作奠定基础。她说,该模型不仅限于中国画,还可以推广到其他强调边缘定义的艺术风格。

纸: //arxiv.org/pdf/2011.05552.pdf

Github: //github.com/alicex2020/Chinese-Landscape-Painting-Dataset

广告

发表评论 取消回复

请输入您的评论!
请在这里输入您的名字

该网站使用Akismet减少垃圾邮件。 了解如何处理您的评论数据.