向 AI 艺术中注入多样性
人工智能
2022-05-03 v1 图形学
摘要
本文主张，由对视觉和/或语义语料库的遵从所驱动的 generative art（生成艺术）缺乏被视为具有创造性所必需的标准。在文献中确认的若干问题中，我们聚焦于以下事实：在真空中生成单幅图像的生成对抗网络（GANs）缺乏关于其产物与先前创建产物如何不同的新颖性概念。我们设想，一种将进化算法中的新颖性保持机制与 GANs 的能力相结合的算法，能够刻意引导其创造过程朝向既好又新颖的输出。在本文中，我们利用基于 OpenAI 的 CLIP 模型使用语义提示进行图像生成的近期进展，以短周期的进化发散搜索中断 GAN 的迭代过程。然后进化的结果被用于继续 GAN 的迭代过程；我们假设这一干预将导致更新颖的输出。使用带有局部竞争的新颖性搜索（一种能在保持以遵从语义提示形式的质量的同时增加视觉多样性的质量-多样性进化算法）检验我们的假设，我们探索不同的视觉多样性概念如何影响算法的过程与产物。结果表明，即便是简单的视觉多样性度量也能有助于抵消 GAN 引起的向相似图像的漂移。这一初步实验为引入更高意向性与更精细的 GAN 驱动开辟了新方向。
引用
@article{arxiv.2205.00804,
title = {Seeding Diversity into AI Art},
author = {Marvin Zammit and Antonios Liapis and Georgios N. Yannakakis},
journal= {arXiv preprint arXiv:2205.00804},
year = {2022}
}
备注
10 pages, 4 figures, to be published in the Proceedings of the 13th International Conference on Computational Creativity (ICCC 2022)