精选艺术：仅凭少量示例即可学习艺术风格
计算机视觉与模式识别
2025-05-22 v3
摘要
我们探讨了在仅有少量示例的情况下，是否需要在包含绘画的数据集中进行预训练即可学习艺术风格。为此目的，我们训练了一个仅在照片上进行训练、且不接触任何与绘画相关内容的文本到图像模型。我们证明，在仅有少量示例的情况下，能够将在绘画数据集外训练的模型适应到艺术风格。用户研究和自动评估均确认，经过适配后的模型（post-adaptation）在性能上与在包含绘画、绘图或插图等艺术内容的大规模数据集上训练的先进模型持平。最后，我们使用数据归因技术分析了艺术和非艺术数据集对生成艺术风格图像的贡献。令人意外的是，我们的发现表明，在没有 prior exposure to artistic data 的情况下，仍可实现高质量的艺术输出，表明艺术风格生成可以在受控的、精选的少量训练示例的基础上发生。
引用
@article{arxiv.2412.00176,
title = {Opt-In Art: Learning Art Styles Only from Few Examples},
author = {Hui Ren and Joanna Materzynska and Rohit Gandikota and David Bau and Antonio Torralba},
journal= {arXiv preprint arXiv:2412.00176},
year = {2025}
}