利用 AI 延续著名艺术作品：一种条件对抗网络图像修复方法

受真实艺术作品启发的图像合成领域的许多 SOTA 方法，要么完全通过过滤随机噪声进行生成，要么受风格迁移启发。本研究探索了图像修复在延续著名艺术作品并利用 Conditional GAN 生成艺术图像方面的应用。在该过程的训练阶段，图像的边缘被裁剪，仅保留中心部分。随后，一个修复 GAN 负责通过最小化对抗损失和绝对差异损失，学习从中心裁剪图像重建原始图像，并通过 Fréchet Inception Distances 和人工观察对结果进行分析与展示。网络训练完成后，图像被调整大小而非裁剪，并作为输入提供给生成器。经过学习过程后，生成器通过从原始作品边缘开始延续，创造出新图像。使用 4766 幅风景画（印象派和浪漫主义）、1167 幅日本江户时代的浮世绘作品以及 4968 幅抽象艺术作品的数据集进行了三项实验。结果表明，在扩展真实艺术作品时，生成器实现了几何与纹理（包括画布和颜料）以及天空、云彩、水、土地（包括丘陵和山脉）、草地和花朵等景色的生成。在浮世绘实验中观察到，即使原始图像中没有任何文字，由于输入图像中存在未绘制的边缘，也生成了书写文字等特征。