生成式创造力：面向仿生设计的对抗学习
计算机视觉与模式识别
2018-05-22 v1
摘要
仿生设计指的是一种生成式创造力方法，其中目标物体（如落地灯）被设计成包含生物源物体（如花朵）的特征，从而产生受生物启发的创造性设计。在这项工作中，我们尝试将面向形状的仿生设计过程建模如下：给定一张设计目标物体的输入图像，模型生成的图像应 1) 保持输入设计目标图像的形状特征，2) 包含来自指定生物源域图像的形状特征，3) 合理且多样。我们提出 DesignGAN，一种用于实现仿生设计的新型无监督深度生成方法。具体而言，我们采用带若干指定损失（对抗损失、回归损失、循环损失和潜变量损失）的条件生成对抗网络（Generative Adversarial Networks, GAN）架构，分别约束我们的模型以满足上述仿生设计建模的相应要求。我们进行定性和定量实验来评估我们的方法，并证明我们提出的方法成功生成了仿生设计的创造性图像。
引用
@article{arxiv.1805.07615,
title = {Generative Creativity: Adversarial Learning for Bionic Design},
author = {Simiao Yu and Hao Dong and Pan Wang and Chao Wu and Yike Guo},
journal= {arXiv preprint arXiv:1805.07615},
year = {2018}
}