利用深度学习理解美学评价

任何进化艺术系统的瓶颈都在于美学评价。人们已提出许多不同的方法来自动化评价美学，包括对称性、连贯性、复杂性、对比与分组等度量。交互式遗传算法（IGA）依赖于人在回路中的主观美学评价，但因用户疲劳与种群规模小而限制了大规模搜索的可能。本文中我们考察近期深度学习的进展如何辅助自动化个人美学判断。利用一位顶尖艺术家的计算机艺术数据集，我们使用降维方法可视化基因型与表型空间，以支持在任何生成系统中探索新领域。在用户先前的美学评价上训练的卷积神经网络（CNN）被用于建议类似于或介于已知高质量基因型-表型映射之间的新可能。