感官优化：作为理解与创作艺术模型的神经网络
人工智能
2019-11-19 v1 计算机视觉与模式识别
机器学习
摘要
本文探讨视觉艺术的认知科学。艺术家创作描绘人物、物体与事件的物理人工制品（如雕塑或绘画）。这些描绘通常是风格化的而非照片写实的。人类如何能够理解并创作风格化表征？这种能力依赖于一般认知容量还是针对艺术的进化适应？学习与文化发挥了什么作用？机器学习可阐明这些问题。可以在未使用任何视觉艺术训练的情况下训练卷积神经网络（CNNs）以识别物体。若此类 CNNs 能泛化到视觉艺术（通过创作并理解风格化表征），则 CNNs 为人类无需先天适应或文化学习即可理解艺术提供了模型。我认为 Deep Dream 与风格迁移表明 CNNs 能创作一种基本形式的视觉艺术，且人类可通过类似过程创作艺术。这表明艺术家通过优化对人物体识别系统的影响来创作艺术。物理人工制品被优化以对该系统唤起真实世界物体（例如唤起人物或风景），并作为该系统的超刺激。
引用
@article{arxiv.1911.07068,
title = {Sensory Optimization: Neural Networks as a Model for Understanding and Creating Art},
author = {Owain Evans},
journal= {arXiv preprint arXiv:1911.07068},
year = {2019}
}
备注
27 pages. Web version with high-resolution images: https://owainevans.github.io/visual_aesthetics/sensory-optimization.html