В последние годы искусственный интеллект становится все более способным создавать впечатляющие произведения искусства в самых разных стилях, в основном благодаря появлению и совершенствованию генеративных состязательных сетей (GAN). Студентка из Принстона Элис Сюэ разработала структуру GAN для поколения китайской пейзажной живописи, которая настолько эффективна, что большинство людей не может отличить ее работы от настоящих.

Предлагаемая структура, Sketch-And-Paint GAN (SAPGAN), является первой сквозной моделью для создания китайской пейзажной живописи без условного ввода. 242 участника визуального теста Тьюринга определили картины SAPGAN как произведения искусства людей с частотой значительно выше, чем картины из базовых GAN.

«Популярные методы генерации изображений на основе GAN, такие как перенос стиля, слишком сильно зависят от условных входных данных», - объясняет Сюэ. Модели, зависящие от условного ввода, имеют ограниченные возможности генерации, поскольку их изображения строятся на одном вводе, скармливаемом человеком. Это означает, что они могут создавать только производные произведения искусства, которые по сути являются стилистическими копиями условного ввода.

Сюэ предполагает, что модель, не зависящая от условного ввода, могла бы генерировать бесконечный набор картин, засеянных из скрытого пространства, причем не только стиль, но и содержание ее результатов художественно варьировалось в рамках этого непрерывного процесса создания.

Чтобы имитировать процесс рисования и рисования традиционных китайских пейзажистов, SAPGAN был разработан с двумя этапами: компонент SketchGAN для создания карт границ и компонент PaintGAN для последующего преобразования края в картину. Чтобы улучшить обучение SketchGAN, Сюэ создал новый набор данных из 2192 высококачественных традиционных китайских пейзажных картин, взятых из музейных коллекций.

По сравнению с RaLSGAN и StyleGAN2 предложенный SAPGAN был признан более эффективным как с точки зрения реализма, так и с точки зрения художественной композиции. Каждый оценщик в визуальном тесте Тьюринга рассмотрел 18 картин - по шесть от SAPGAN, художников-людей и базовой модели RaLSGAN. Картины SAPGAN были выбраны как созданные людьми в 55% случаев, в то время как поколения базовой модели RaLSGAN справлялись с ошибочной частотой всего 11%.

Сюэ считает, что это исследование может помочь заложить основу для создания подлинно машинного искусства. Она говорит, что модель не ограничивается китайскими картинами и может быть обобщена на другие художественные стили, которые подчеркивают четкость краев.

Статья Сквозное создание китайской пейзажной живописи с использованием генеративных состязательных сетей находится на arXiv.

Репортер: Юань Юань | Редактор: Майкл Саразен

Синхронизированный отчет | Обзор решений искусственного интеллекта в Китае в ответ на пандемию COVID-19 - 87 тематических исследований от 700+ поставщиков ИИ

В этом отчете предлагается взглянуть на то, как Китай использовал технологии искусственного интеллекта в борьбе с COVID-19. Он также доступен на Amazon Kindle. Наряду с этим отчетом мы также представили базу данных, охватывающую 1428 дополнительных решений искусственного интеллекта из 12 сценариев пандемии.

Нажмите здесь, чтобы найти больше отчетов от нас.

Мы знаем, что вы не хотите пропустить какие-либо новости или открытия. Подпишитесь на нашу популярную рассылку Synced Global AI Weekly, чтобы получать еженедельные обновления AI.