内容掩码损失：强化学习绘画智能体中类人的笔触规划
计算机视觉与模式识别
2021-03-02 v2 人工智能
机器学习
摘要
大多数强化学习绘画智能体的目标是最小化目标图像与绘画画布之间的损失。人类画家的艺术性强调目标图像的重要特征，而非简单复现它（DiPaola 2007）。在强化学习绘画模型中使用对抗或 L2 损失，尽管最终输出通常是精细之作，但产生的笔触序列与人类会产生的序列大不相同，因为模型不具备关于目标图像中抽象特征的知识。为了在不使用昂贵人类数据的情况下增加模型的类人规划，我们为模型的奖励函数引入了一种新损失函数：内容掩码损失（Content Masked Loss）。在机器人绘画背景下，内容掩码损失采用目标检测模型提取特征，用于为画布上人类认为对识别内容重要的区域分配更高权重。基于 332 名人类评估者的结果表明，我们的内容掩码模型产生的数字绘画比现有方法在笔触序列更早阶段显示出可辨认的题材，且不牺牲最终绘画的质量。我们的代码见 https://github.com/pschaldenbrand/ContentMaskedLoss。
引用
@article{arxiv.2012.10043,
title = {Content Masked Loss: Human-Like Brush Stroke Planning in a Reinforcement Learning Painting Agent},
author = {Peter Schaldenbrand and Jean Oh},
journal= {arXiv preprint arXiv:2012.10043},
year = {2021}
}