创意肖像：探索创意对抗网络与条件创意对抗网络
计算机视觉与模式识别
2024-12-11 v1 机器学习
摘要
卷积神经网络(CNNs)与生成对抗网络(GANs)相结合，成功创建了深度卷积生成对抗网络(DCGANs)。DCGANs已被用于从时尚设计和绘画等创意领域生成图像和视频。对DCGANs在创意应用中使用的常见批评是，它们在生成创意产品的能力上受到限制，因为生成器只是学习复制训练分布。我们探索了DCGANs的扩展——创意对抗网络(CANs)。使用CANs，我们利用WikiArt数据集训练网络来生成新颖的创意肖像。此外，我们引入了CANs的扩展——条件创意对抗网络(CCANs)，并展示了它们在风格标签条件下生成创意肖像的潜力。我们认为，生成以风格标签为条件或受其启发的产品，紧密模拟了人类产生仍根植于先前风格的富有想象力作品的真实创意过程。
引用
@article{arxiv.2412.07091,
title = {Creative Portraiture: Exploring Creative Adversarial Networks and Conditional Creative Adversarial Networks},
author = {Sebastian Hereu and Qianfei Hu},
journal= {arXiv preprint arXiv:2412.07091},
year = {2024}
}