一种利用神经风格迁移创作艺术化视觉变体的实用人工智能方法
计算机与社会
2018-05-29 v1 人工智能
摘要
在持续寻求灵感的过程中，设计师可借助促进创作流程并助其克服设计定势的工具而变得更高效。本文探讨将神经风格迁移作为生成创意数字内容的新兴设计工具的实用性。为此，本工作在四项实验中针对四个相关视觉参数：迭代次数、学习率、全变分、内容权重与风格权重，探究了一种文献详实的神经风格迁移算法（Johnson 2016）。结果给出了参数配置的实用建议（迭代次数：200 至 300，学习率：2e-1 至 4e-1，全变分：1e-4 至 1e-8，内容权重与风格权重：50:100 至 200:100），可节省大量实验时间并降低技术入门门槛。借助这一经验性见解，视觉设计师可有效应用深度学习来创作数字内容的艺术化视觉变体。这可使设计师利用 AI 创作处于 state-of-the-art 的设计作品。
引用
@article{arxiv.1805.10852,
title = {A Pragmatic AI Approach to Creating Artistic Visual Variations by Neural Style Transfer},
author = {Chaehan So},
journal= {arXiv preprint arXiv:1805.10852},
year = {2018}
}