生成对抗网络中符号学的可视化
计算机视觉与模式识别
2023-03-23 v1 人工智能
图形学
机器学习
摘要
我们进行了一组实验，以证明使用生成对抗网络(Generative Adversarial Network, GAN)生成的图像可以通过“符号学”进行修改。我们展示，正如图像的色调和饱和度等物理属性可以被修改一样，其非物理的抽象属性也可以通过我们的方法进行修改。例如，空乘人员制服的设计可以被修改得更“警觉”、更不“肃穆”或更“实用”。房屋的形式可以显得更“未来主义”，汽车更“友好”，一双运动鞋更“邪恶”。我们的方法揭示了与目标符号学属性相关的潜在视觉图像志，实现了利用抽象概念进行视觉形式探索的过程。我们的方法是迭代的，允许控制属性存在的程度，并可用于辅助设计过程以产生涌现的视觉概念。
引用
@article{arxiv.2303.12731,
title = {Visualizing Semiotics in Generative Adversarial Networks},
author = {Sabrina Osmany},
journal= {arXiv preprint arXiv:2303.12731},
year = {2023}
}