AI新艺术趋势，不仅包括GANism，还有…… | mixlab交叉学科

GAN KNN CVPR 层次聚类算法

AI+艺术领域

计算美学 聚类 智能设计 预测偏好

生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型。模型通过两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。

文末有福利

GAN在2014年提出至今，有无数的变种，除了用于造假、去除马赛克，比较有意思的用处是作为艺术创作的工具，被用于绘画中。

GAN用于风景画生成

人工智能史上第一幅画作登录纽约佳士得拍卖行，并且被其以43．25万美元（约300万元人民币）的价格卖出。

这是该团队用GAN生成的系列11个现实主义肖像Belamy Family其中一幅。

主要使用了2种算法，GAN+超分辨率算法，来制作这种高分辨率的绘画作品。有趣的是，为了表达这些由GAN生成的艺术画，艺术家们采用了数学公式作为签名。

创作这幅画的团队 obvious-art，表达了一个观点：

GANism Is The New Art Trend

艺术与AI在互相跨界，AI不仅是新的艺术趋势。下面盘点下该跨界领域值得探索的一些方向：

艺术之树 ？

是基于大量数字影像数据，通过熵和复杂性视角研究了艺术绘画的历史。

艺术之树（艺术风格的组织层级），以最小方差法计算矩阵距离，通过在距离阈值0.03处进行分割，获得由彩色树枝表示的14组风格的树形图。该数值最大化的定义了数据集中聚类数量的轮廓系数/silhouette coefficient。

近14万幅跨越近一千年艺术史的画作被纳入研究

在交互式生成艺术中

如何预测使用者的偏好 ？

每个人对艺术的看法是不一样的，如何让机器更懂得使用者的艺术偏好，在使用过程中生成更符合用户预期的艺术形态。

方法论详见以下论文：

https://arxiv.org/pdf/2003.01274.pdf

如何使用AI重现艺术家绘画 ？

艺术家使用画笔、笔触和颜色的独特组合进行绘画，通常有许多可能的方法和步骤来创作一幅给定的画。

研究团队的目标是学会捕捉这种丰富的可能性。

他们提出了一个概率模型，让给定一幅已完成绘画的单一图像，递归地综合绘画过程的各个步骤。

https://arxiv.org/pdf/2001.01026.pdf

https://github.com/xamyzhao/timecraft

AI还能发现伟大艺术品之间的隐藏联系

伟大艺术品之间的隐藏联系往往很难发现，这时可以利用KNN之类的算法做相似度查询。该AI系统称为MosAIc，可在百万幅画作中寻找，并在主题、图案和视觉样式中找到意想不到的相似之处。

研究团队基于KNN提出更近一步的条件KNN树：

该算法将相似的图像按树状结构分组在一起，然后从树干开始，在爬升时应用新的特征，跟随最有希望的分支，直到找到最准确的图像。

“ 将图像检索系统限制为特定的图像子集，

可以对视觉世界中的关系产生新的见解。”

以上为全文。

转发朋友圈，截图加小编微信领取电子书：

《The Artist in the Machine The World of AI-Powered Creativity》

Arthur I. Miller

- OVER -

欢迎一起来探索未知世界