词语作为艺术素材：使用序列生成对抗网络生成绘画
计算机视觉与模式识别
2020-07-10 v1 图像与视频处理
摘要
使用生成对抗网络将文本描述转换为图像已成为一个热门研究领域。近年来已成功生成了视觉上吸引人的图像。受这些研究启发，我们在高方差数据集上探索了艺术图像的生成。该数据集包含在形状、颜色和内容等方面存在变化的图像。图像中的这些变化提供了原创性，而原创性是艺术本质的重要因素。我们工作的一个主要特点是使用关键词而非句子作为图像描述。在网络架构方面，我们提出了一种序列生成对抗网络模型。该序列模型的第一阶段处理词向量并创建基础图像，而后续阶段则专注于在不处理词向量的情况下创建高分辨率艺术风格图像。为了应对 GAN 不稳定的特性，我们提出了 Wasserstein 损失、谱归一化和小批量判别等混合技术。最终，我们能够生成具有多种风格的绘画图像。我们使用 Fréchet Inception Distance 分数评估了结果，并开展了有 186 名参与者参与的用户研究。
引用
@article{arxiv.2007.04383,
title = {Words as Art Materials: Generating Paintings with Sequential GANs},
author = {Azmi Can Özgen and Hazım Kemal Ekenel},
journal= {arXiv preprint arXiv:2007.04383},
year = {2020}
}