使用生成对抗网络生成专辑封面艺术图像
计算机视觉与模式识别
2022-12-12 v1 人工智能
机器学习
图像与视频处理
摘要
生成对抗网络（GAN）由 Goodfellow 于 2014 年提出，此后因构建生成式人工智能模型而广受欢迎。然而，此类网络存在诸多缺陷，例如训练时间较长、对超参数调优敏感、多种类型的损失与优化函数，以及其他如模式崩溃等困难。GAN 当前的应用包括生成照片级真实感的人脸、动物与物体。然而，我希望通过使用现有模型并从中学习，更详细地探索 GAN 的艺术能力。本论文涵盖神经网络的基础，并逐步深入到 GAN 的特定方面，同时对现有可用模型进行实验与修改，由简至繁。意图在于考察最先进的 GAN（特别是 StyleGAN2）能否生成专辑封面艺术图，以及是否可按流派定制。为此，首先熟悉了 3 种现有 GAN 架构，包括最先进的 StyleGAN2。使用 StyleGAN2 代码以包含 80K 张专辑封面图像的数据集训练模型，随后通过挑选精选图像并混合其风格来生成图像。
引用
@article{arxiv.2212.04844,
title = {Album cover art image generation with Generative Adversarial Networks},
author = {Felipe Perez Stoppa and Ester Vidaña-Vila and Joan Navarro},
journal= {arXiv preprint arXiv:2212.04844},
year = {2022}
}