MMJul, 2020

机器学习风格引导下的机器人绘画：学习人类艺术家的笔触技巧

PDF
TL;DR该论文提出了一种结合机器和人类艺术家的方法，通过生成模型和渲染模型，将艺术家的风格融入机器人绘画中，并证实了该方法的可行性和有效性。
发现论文，激发创造
  • 智能绘画：发展类人绘画智能体

    该论文提出了一种新的绘画方法 Intelli-Paint，它可以学习生成具有更加自然的绘画风格的输出幅面。该方法通过引入渐进层叠策略、依据语义指导刷子移动以及刷子规范化策略等 3 个策略，成功地实现了 60-80% 的刷子数目减少而不影响画面的质量。

    Dec, 2021

  • 一种神经风格艺术算法

    通过使用深度神经网络对任意图像的内容和风格进行分离和重组，我们引入了一种人工系统，为艺术形象的创作提供了神经算法，并且在视觉感知的其他关键领域中的近乎人类性能展示了深度神经网络模型的类生物启发式视觉模型的特定任务的卓越表现的显着相似之处，为人类创作和感知艺术意象的算法理解提供了一条前进的路径。

    Aug, 2015

  • 自然启发下的绘画风格创新

    提出了两种使用仅经过自然图像训练的模型来创造绘画风格的方法，并使用具有艺术表现力的感性偏差来实现创造性表达，并使用重建误差来达到抽象化效果，这两种方法旨在使人们能够发明新的绘画风格。

    May, 2023

  • 结合语义指导与深度强化学习生成人类水平的绘画

    提出了一种语义引导的有效的神经网络模型，利用二级绘画过程来区分前景和背景笔画方法，并通过使用领域定位和空间转换器网络来保证前景对象的位置和比例不变，最后通过最大化基于感兴趣对象的导引反向传播来放大感兴趣对象的差异特征，从而实现了对前景对象属性变化的处理，能够在多前景对象的真实世界和虚拟场景中产生高质量的图像。

    Nov, 2020

  • 重新思考风格迁移：从像素到参数化笔画

    本文提出了用参数化的画笔笔触来进行风格化处理的方法，并且引入了可微分的渲染机制，通过用户输入控制画笔笔触的流动，取得了显著的视觉效果和进一步控制风格化过程的能力。定性和定量的评估表明了参数化表征的有效性。

    Mar, 2021

  • 神经画家：一种学习到可微分的约束，用于生成绘画的笔触

    通过使用神经绘画家创造了一种新颖的基于人工画家的可微分的图像生成方法，同时提出了新的内容损失的概念，允许艺术媒介自然地决定由神经绘画生成的样式。

    Apr, 2019

  • 基于模型的深度强化学习绘画

    通过在基于模型的深度强化学习中应用神经渲染器，我们展示了如何教授机器像人类画家一样用少量笔画来创作精美的油画。实验表明，不需要画家的经验或笔画跟踪数据，可以使用数百个笔画取得出色的视觉效果。

    Mar, 2019

  • 艺术家代理人：基于强化学习的东方水墨画自动笔触生成

    利用强化学习模拟墨画过程，从而实现自动绘制和优化画笔行为的总和奖励，从而在模拟试验中验证了模型的有效性。

    Jun, 2012

  • 机器眼中的艺术史形态

    研究了卷积神经网络在艺术风格分类任务中的应用，并通过与艺术史概念的相关性分析评估了其学习表征。学习表征显示艺术风格的视觉变化可以由少数基本因素解释，这些因素与 Heinrich Wölfflin 提出的风格模式相关，并且网络能在没有关于时间和历史背景等信息下，将艺术品放在一个平滑的时间数组里。

    Jan, 2018

  • 提升艺术风格神经算法

    研究如何通过多种方法改进神经艺术风格算法的表现，特别是针对一些换风格难以处理的更复杂的前景和背景等内容，在实验中显示方法能有效提高风格转换的质量。

    May, 2016