面向算法绘画的创意过程建模
提出了遵循艺术工作流程的生成模型,能够进行多阶段图像生成和编辑,引入了一种基于学习的正则化优化过程以确保编辑后的图像与原始图像紧密一致,并通过三个不同艺术数据集的定量和定性实验验证了该框架在图像生成和编辑任务上的有效性。
Jul, 2020
本研究开发了一个逆向问题公式,将组合和组合创造的产物转化为联想链以进行事后解释。该公式结构化为通过联想元素的知识图解决旅行商问题,并将旅行商路径的长度视为创造力中新奇性的度量。
Oct, 2020
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
通过合成数据预训练,在一组艺术家的绘画序列的细微调整下进行微调的文本到视频模型 ProcessPainter 首次成功地从文本提示生成了绘画过程。此外,引入了 Artwork Replication Network,能接受任意帧输入,促进了绘画过程的可控生成和艺术品的复制。本文提供了推动艺术教育和图像生成技术发展的新视角和工具。
Jun, 2024
协作神经绘画是一个新的任务,目标是支持人机共同完成连贯绘画的过程,以一系列参数化的笔触作为绘画表示,在图像生成领域中采用扩散模型作为基本学习过程,并提供了一个新的数据集和评估协议来验证该方法的有效性和潜力。
Dec, 2023
本文提出了一种新颖的计算框架,用于评估创造性产品(如绘画,雕塑,诗歌等)的创造力,基于构建创造性涉及网络,通过多次转换建立创造性涉及网络,而网络居中问题的变体可以高效地解决创造性推断问题。通过实验验证,可以将其用于衡量绘画(和雕塑)的创造力,同时还提出了一种量化验证的方法,称为 “时间机器实验”。
Jun, 2015
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
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
本文讨论了如何通过使用自动适应函数在进化艺术和设计算法中去除人为干预,提高计算机生成的艺术和设计的创造性和人性化,以达到创新性的目的,并提出了使用二代适应函数进化达尔文的抽象肖像作为示例,从而展示人工智能在艺术创作领域的应用前景。
Jan, 2010
通过提出一种基于条件变换自动编码器 (VAE) 架构的双阶段解码器的创新方法 I-Paint,本研究旨在为用户在绘画过程中提供下一笔建议,以帮助提高创造力,并且通过引入两个新的数据集进行评估和刺激相关领域的研究。实验结果表明该方法提供良好的笔划建议,并与现有技术相比表现出优势。
Jul, 2023