基于 CalligraphyGAN 的抽象艺术生成框架与数据集
计算机视觉与模式识别
2020-12-03 v1
摘要
随着深度学习的进展，人工智能（AI）近年来取得诸多突破，并在目标检测、阅读理解和视频游戏等各类任务中达到超越人类的性能。生成建模，如各类生成对抗网络（GAN）模型，已被用于生成绘画与音乐。自 2018 年发布 BERT 等预训练上下文神经语言模型以及近期发布的 GPT3 以来，自然语言处理（NLP）研究也取得了飞跃。尽管有上述令人振奋的 AI 应用，AI 在创造力方面仍显著落后于人类，而这常被视为 AI 的终极难题。我们的工作受中国书法启发，这是一种独特的视觉艺术形式，其中字符本身即是一幅审美画作。我们也从 1940 和 1950 年代抽象表现主义运动的绘画中汲取灵感，如美国画家 Franz Kline 的作品。本文中，我们提出一个基于条件生成对抗网络与上下文神经语言模型的创意框架，以生成具有内在意义与审美价值的抽象艺术品，这不同于现有的图像描述与文本到图像生成等工作，其中文本是图像的描述。此外，我们公开发布了一个中国书法图像数据集，并通过一个原型系统与一项用户研究展示了我们的框架。
引用
@article{arxiv.2012.00744,
title = {A Framework and Dataset for Abstract Art Generation via CalligraphyGAN},
author = {Jinggang Zhuo and Ling Fan and Harry Jiannan Wang},
journal= {arXiv preprint arXiv:2012.00744},
year = {2020}
}
备注
Accepted by NeurIPS 2020 Workshop on Machine Learning for Creativity and Design, Vancouver, Canada