PaintBot：一种基于强化学习的自然媒体绘画方法
计算机视觉与模式识别
2019-04-05 v1
摘要
我们提出了一种基于通过强化学习训练的绘画智能体的新型自动化数字绘画框架。为合成一幅图像，该智能体选择一系列代表基本绘画笔触的连续值动作，这些笔触在数字画布上累积。动作选择由给定的参考图像引导，智能体试图在动作空间限制及其所学策略的约束下复现该参考图像。绘画智能体策略采用近端策略优化强化学习的一种变体来确定。在训练过程中，我们的智能体接收从一组参考图像中采样得到的图像块。为加速训练收敛，我们采用课程学习策略，即根据当前策略下图像块的挑战程度进行采样。我们尝试了不同的损失函数，包括逐像素损失和感知损失，它们对所学策略产生不同的影响。我们证明了我们的绘画智能体能够针对多种绘画风格，学习到具有包含笔压、宽度、倾斜和颜色的高维连续动作空间的有效策略。通过由粗到精的细化过程，我们的智能体能够以所需风格绘制任意复杂图像。
引用
@article{arxiv.1904.02201,
title = {PaintBot: A Reinforcement Learning Approach for Natural Media Painting},
author = {Biao Jia and Chen Fang and Jonathan Brandt and Byungmoon Kim and Dinesh Manocha},
journal= {arXiv preprint arXiv:1904.02201},
year = {2019}
}