一种基于 GAN 的艺术文本可视化新方法
计算机视觉与模式识别
2017-10-31 v1
摘要
虽然统计数据的可视化已趋于成熟技术，但文本数据的可视化仍处于起步阶段，尤其是艺术文本。由于艺术文本的可视化在艺术与信息科学中均具有价值且引人注目，我们在本文中尝试实现这一探索性想法。我们提出了基于生成对抗网络的艺术文本可视化（GAN-ATV），其可在分析现有诗歌的语义内容后创作画作。我们的 GAN-ATV 由两大部分组成：自然语言分析部分与视觉信息合成部分。在自然语言分析部分，我们使用词袋（BoW）特征描述子与双层网络来从诗歌中挖掘和分析高层语义信息。在视觉信息合成部分，我们设计了一个跨模态语义理解模块并将其与生成对抗网络（GAN）集成以创作画作，其内容对应于原诗。此外，为训练我们的 GAN-ATV 并验证其性能，我们建立了一个名为“Cross-Art”的跨模态艺术数据集。在 Cross-Art 数据集中，有六个主题，每个主题有其对应的画作与诗歌。本文给出了在 Cross-Art 数据集上的实验结果。
引用
@article{arxiv.1710.10553,
title = {A Novel Approach to Artistic Textual Visualization via GAN},
author = {Yichi Ma and Muhan Ma},
journal= {arXiv preprint arXiv:1710.10553},
year = {2017}
}
备注
6 pages, 3 figures