0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

算法美學(xué)的背后:生成對抗網(wǎng)絡(luò)大顯神威

Hf1h_BigDataDig ? 來源:YXQ ? 2019-06-03 15:53 ? 次閱讀

2018年10月,紐約佳士得拍賣行在紐約拍賣出了一幅不一般的畫作。

在那次拍賣會上,一共有363件畫作“同臺競技”,其中包括20多幅畢加索的名畫。最終一幅“特別”的畫作力壓群雄,以43.25萬美元(約300萬人民幣)成交,值得注意的是這也是全場的最高價(jià)格。

這幅特別的藝術(shù)畫屬于肖像作品,并不是出自大師之手,甚至連人類持筆都算不上。這幅畫是由人工智能繪制,AI以朦朧的筆觸描繪了一位名叫埃德蒙·貝拉米的男士,另外畫作右下角的作者簽名是一個(gè)數(shù)學(xué)方程式。

AI目前的這個(gè)水平值不值這個(gè)價(jià)暫且不論。但18年10月拍賣的這一天或許將被寫入歷史,因?yàn)檫@將意味著人工智能創(chuàng)作的繪畫作品正式作為“藝術(shù)品”被市場接受,“標(biāo)志著人工智能藝術(shù)作品將登上世界拍賣的舞臺”。

AI藝術(shù)品也有了正常的市場攤位

除了以拍賣的方式出售AI畫作,現(xiàn)在AI藝術(shù)品也有了正常的市場攤位!

國外一個(gè)名為9 GANs的藝術(shù)館將AI算法生成的作品放在了Fine Art America以及Society 6上面售賣。

注:Society6是表達(dá)自我的市場,擁有成千上萬來自世界各地獨(dú)立藝術(shù)家設(shè)計(jì)的優(yōu)質(zhì)產(chǎn)品。零售店里沒有其出售的產(chǎn)品,其主題集中在時(shí)尚、藝術(shù)、禮品和裝飾品。

在FineArtAmerica.com網(wǎng)站,藝術(shù)家和攝影師可以上傳他們的藝術(shù)品圖片,并設(shè)定的價(jià)格,向全球的觀眾售賣自己的作品。

此藝術(shù)館每小時(shí)能夠生成9幅藝術(shù)畫作,涉及主題包括肖像、抽象、超現(xiàn)實(shí)、素描等等??傊忻嫔洗嬖诘姆N類,這個(gè)人工智能都能生成。

網(wǎng)站主頁更新之后,一個(gè)小時(shí)之前的9幅畫將被永久刪除,按照網(wǎng)站的說法,每一幅畫都是獨(dú)一無二的。所以,也對畫作開放下載,只不過下載需要支付15美元到165.99美元不等。

下面這幅畫售價(jià)165.99美元,據(jù)介紹這是一款金屬印刷品,印刷在鋁板帆布上,支持木框架。這幅畫也有售價(jià)19.99美元的一款,不過是紙質(zhì)印刷品,打印墨水使用愛普生K3檔案墨水。也就是說,每一幅畫雖然都是獨(dú)一無二的,其“藝術(shù)價(jià)值”不好估計(jì),同一幅畫之所以有差價(jià)是因?yàn)槠溲b飾材料的不同。

據(jù)介紹,每幅畫的都是一類被稱為生成對抗網(wǎng)絡(luò)(GAN)的神經(jīng)網(wǎng)絡(luò)生成,具體來說AI算法是StyleGAN以及英偉達(dá)開發(fā)的Original GAN。

那么人工智能會自己創(chuàng)造出藝術(shù)品么?網(wǎng)站在FAQ版面回答道:模型經(jīng)過數(shù)據(jù)訓(xùn)練,可以從大量的例子中學(xué)習(xí),當(dāng)然可以自己生成畫作。

其實(shí),雖然是獨(dú)特的原創(chuàng)作品。但卻是大量喂食作品的混合物。生成的畫可能有蒙娜麗莎的形象,有梵高螺旋般的天空,以及莫奈的綠色景象......在合成過程中,它以非常低的水平和非常不可預(yù)測的方式進(jìn)行,這也是使這種藝術(shù)形式如此有趣的原因之一。

在生成藝術(shù)品的同時(shí)也刪除了藝術(shù)品。在創(chuàng)造稀缺價(jià)值的同時(shí),也想告訴我們,利用人工智能可以無窮無盡的各種圖像。

所以,你對藝術(shù)的定義決定了AI畫作的價(jià)值。

算法美學(xué)的背后:生成對抗網(wǎng)絡(luò)大顯神威

生成對抗網(wǎng)絡(luò) 由兩個(gè)相互博弈的神經(jīng)網(wǎng)絡(luò)組成,即生成器和鑒別器。生成器負(fù)責(zé)根據(jù)輸入生成數(shù)據(jù)(輸入可以是噪聲,也可以是一些其他的數(shù)據(jù))。鑒別器負(fù)責(zé)分析數(shù)據(jù),并區(qū)分這些數(shù)據(jù)是真實(shí)的(來自數(shù)據(jù)集),或者是虛假的(來自生成器)。在形式上可以看做武學(xué)中的左右互博。

上面公式下標(biāo) G 和 D 分別代表生成器 G(Generator)和鑒別器 D(Discriminator)。生成器的工作是將方程的值最小化,而鑒別器負(fù)責(zé)將這個(gè)值最大化。生成器 G 和鑒別器 D 會一直博弈,直到達(dá)到我們的滿意。

而那幅價(jià)值300萬人民幣的藝術(shù)品,其作者用超過8萬幅15-20世紀(jì)的西方繪畫對算法進(jìn)行訓(xùn)練?;谶@個(gè)龐大的數(shù)據(jù)集,他創(chuàng)造了一個(gè)創(chuàng)意對抗網(wǎng)絡(luò)(Creative Adversarial Networks,簡稱CANs)。與原有的GANs不同的是,此類型的GAN對損失函數(shù)稍作了修改。

據(jù)其創(chuàng)意對抗網(wǎng)絡(luò)的論文,他們提出了一個(gè)新的藝術(shù)創(chuàng)作系統(tǒng)。這個(gè)系統(tǒng)能夠通過觀看圖像學(xué)習(xí)風(fēng)格進(jìn)行藝術(shù)創(chuàng)作。不僅如此,這個(gè)系統(tǒng)還能偏離已經(jīng)學(xué)會的風(fēng)格進(jìn)行創(chuàng)新,即生成新的藝術(shù)品。他們在實(shí)驗(yàn)的過程中比較了人類參與者觀看系統(tǒng)生成的圖像和藝術(shù)家創(chuàng)作的畫作的反應(yīng)。結(jié)果表明,人類完全無法分辨一幅畫是否由機(jī)器生成。

而9GANs創(chuàng)作畫使用的是StyleGAN,它來自英偉達(dá),可以說是近期火遍全網(wǎng)的“造假”神器了。與其他生成器不同,StyleGAN可以根據(jù)需要更改生成圖像的結(jié)果,繪制出的圖片更加逼真,不僅可以創(chuàng)造假的人類肖像,也被瘋狂應(yīng)用于其他機(jī)器學(xué)習(xí)應(yīng)用項(xiàng)目,例如汽車、房間、甚至是動漫頭像等。

假房網(wǎng)”:從圖片到文字描述均由計(jì)算機(jī)自動生成

上圖是”假Airbnb”網(wǎng)站,它也是由StyleGAN生成的,網(wǎng)站上的圖片和文字所描繪的根本不是實(shí)物。

StyleGAN不僅可以生成高質(zhì)量的和逼真的圖像,而且還可以對生成的圖像進(jìn)行較好的控制和理解,甚至使生成可信度較高的假圖像變得比以前更加的容易。

上面這些,換句話說,StyleGAN專注于模仿,CAN能夠偏離原有的風(fēng)格,意味著創(chuàng)新。

算法美學(xué)真的是創(chuàng)新美學(xué)?

當(dāng)AI戰(zhàn)勝棋手時(shí),人們不時(shí)的拋出“藝術(shù)創(chuàng)作才是人類的專屬”論調(diào),但當(dāng)我們看到并不輸于當(dāng)代藝術(shù)家的AI畫作時(shí),人們作何感想?

其實(shí),藝術(shù)的靈魂決不僅僅只是來源于創(chuàng)作者本人,更多的是我們欣賞者賦予藝術(shù)的價(jià)值。藝術(shù)的存在價(jià)值也完全取決于人類對其的理解深度。

一幅世界名畫,對于懂的人來說,可能價(jià)值連城,而對于不感興趣的人來說,其可能還不如一張普通的照片有用。

另一方面,不必?fù)?dān)心AI藝術(shù)作品對人類創(chuàng)作靈感有毀滅性的沖擊。相反,我們應(yīng)該珍惜AI帶給我們的靈感。AI可以將蒙娜麗莎與梵高結(jié)合,創(chuàng)造出獨(dú)特的作品,那么我們?nèi)祟悓⒚赡塞惿c梵高結(jié)合,并在結(jié)合的過程中給予符合人類美學(xué)的調(diào)節(jié),這樣創(chuàng)造出的作品是不是更有欣賞價(jià)值呢!

人類的創(chuàng)造力來源于對生活、對自然的觀察。當(dāng)算法美學(xué)成為我們觀察的一部分,這意味著我們突破自身的道路又多了一條。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • 算法
    +關(guān)注

    關(guān)注

    23

    文章

    4552

    瀏覽量

    92027
  • AI
    AI
    +關(guān)注

    關(guān)注

    87

    文章

    28877

    瀏覽量

    266241

原文標(biāo)題:這個(gè)AI批量作畫每小時(shí)九張,與畢加索同臺競技,還真有人買

文章出處:【微信號:BigDataDigest,微信公眾號:大數(shù)據(jù)文摘】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏

    評論

    相關(guān)推薦

    請問LM311能準(zhǔn)確的交截生成對應(yīng)的PWM波形嗎?

    UC3825, TLV3501輸入正是100k的正弦波 輸入負(fù)是100kHz的鋸齒波 二者交截生成PWM波形 請問LM311能準(zhǔn)確的交截生成對應(yīng)的PWM波形嗎 之前使用UC3525里面自帶的比較器做的,LM311能達(dá)到這樣的速度嗎
    發(fā)表于 08-06 07:46

    基于神經(jīng)網(wǎng)絡(luò)的全息圖生成算法

    全息圖生成技術(shù)作為光學(xué)與計(jì)算機(jī)科學(xué)交叉領(lǐng)域的重要研究方向,近年來隨著神經(jīng)網(wǎng)絡(luò)技術(shù)的飛速發(fā)展,取得了顯著進(jìn)展。基于神經(jīng)網(wǎng)絡(luò)的全息圖生成算法,以其強(qiáng)大的非線性擬合能力和高效的計(jì)算性能,為全
    的頭像 發(fā)表于 07-09 15:54 ?238次閱讀

    生成對抗網(wǎng)絡(luò)(GANs)的原理與應(yīng)用案例

    生成對抗網(wǎng)絡(luò)(Generative Adversarial Networks,GANs)是一種由蒙特利爾大學(xué)的Ian Goodfellow等人在2014年提出的深度學(xué)習(xí)算法。GANs通過構(gòu)建兩個(gè)
    的頭像 發(fā)表于 07-09 11:34 ?454次閱讀

    人工神經(jīng)網(wǎng)絡(luò)模型的分類有哪些

    詳細(xì)介紹人工神經(jīng)網(wǎng)絡(luò)的分類,包括前饋神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度神經(jīng)網(wǎng)絡(luò)、生成對抗
    的頭像 發(fā)表于 07-05 09:13 ?446次閱讀

    神經(jīng)網(wǎng)絡(luò)架構(gòu)有哪些

    、語音識別、自然語言處理等多個(gè)領(lǐng)域。本文將對幾種主要的神經(jīng)網(wǎng)絡(luò)架構(gòu)進(jìn)行詳細(xì)介紹,包括前饋神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、生成對抗
    的頭像 發(fā)表于 07-01 14:16 ?346次閱讀

    思科完成對Isovalent的收購

    全球領(lǐng)先的網(wǎng)絡(luò)技術(shù)公司思科(Cisco)近日宣布,已完成對開源云原生網(wǎng)絡(luò)與安全領(lǐng)域的佼佼者Isovalent的收購。
    的頭像 發(fā)表于 05-06 10:41 ?511次閱讀

    深度學(xué)習(xí)生成對抗網(wǎng)絡(luò)(GAN)全解析

    GANs真正的能力來源于它們遵循的對抗訓(xùn)練模式。生成器的權(quán)重是基于判別器的損失所學(xué)習(xí)到的。因此,生成器被它生成的圖像所推動著進(jìn)行訓(xùn)練,很難知道生成
    發(fā)表于 03-29 14:42 ?3899次閱讀
    深度學(xué)習(xí)<b class='flag-5'>生成對抗</b><b class='flag-5'>網(wǎng)絡(luò)</b>(GAN)全解析

    在使用spc5 stdio的時(shí)候生成對應(yīng)的功能,main.c里面為什么沒有調(diào)用對應(yīng)的接口?

    在使用spc5 stdio的時(shí)候生成對應(yīng)的功能,main.c里面怎么沒有調(diào)用對應(yīng)的接口; eg:這是怎么回事?
    發(fā)表于 03-26 07:00

    生成式人工智能和感知式人工智能的區(qū)別

    生成新的內(nèi)容和信息的人工智能系統(tǒng)。這些系統(tǒng)能夠利用已有的數(shù)據(jù)和知識來生成全新的內(nèi)容,如圖片、音樂、文本等。生成式人工智能通?;谏疃葘W(xué)習(xí)技術(shù),如生成對抗
    的頭像 發(fā)表于 02-19 16:43 ?1180次閱讀

    請問sigmastudio算法成對什么資源有要求,以及有什么方法可以查看系統(tǒng)資源占用情況?

    您好, 目前基于ADSP-21565開發(fā)了一些基礎(chǔ)音頻功能,想知道目前系統(tǒng)占用了多少資源,還剩下多少資源,以此來評估后續(xù)的sigmastudio算法集成可行性。 請問sigmastudio算法成對什么資源有要求,以及有什么方法
    發(fā)表于 01-10 08:28

    基于國產(chǎn)AI編譯器ICRAFT部署YOLOv5邊緣端計(jì)算的實(shí)戰(zhàn)案例

    人工智能領(lǐng)域中各種算法模型的不斷研究和改進(jìn)。隨著深度學(xué)習(xí)的興起,包括卷積神經(jīng)網(wǎng)絡(luò)(CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、生成對抗網(wǎng)絡(luò)(GAN)、
    的頭像 發(fā)表于 01-03 10:17 ?2338次閱讀
    基于國產(chǎn)AI編譯器ICRAFT部署YOLOv5邊緣端計(jì)算的實(shí)戰(zhàn)案例

    如何在IAR Embedded Workbench中配置生成對應(yīng)代碼區(qū)域的CRC校驗(yàn)碼

    在“使用IAR Embedded Workbench和MCU的CRC模塊來檢查代碼的完整性”一文中,介紹了如何在IAR Embedded Workbench中配置生成對應(yīng)代碼區(qū)域的CRC校驗(yàn)碼,然后
    的頭像 發(fā)表于 10-27 11:49 ?1285次閱讀
    如何在IAR Embedded Workbench中配置<b class='flag-5'>生成對</b>應(yīng)代碼區(qū)域的CRC校驗(yàn)碼

    人機(jī)大戰(zhàn)之如何計(jì)算IGBT壽命——ChatGPT越戰(zhàn)越勇

    本期是和ChatGPT辯論的第四回合(第三期回合回顧),本期ChatGPT大顯神威,抗住了資深FAE的連環(huán)追問,答案有模有樣。
    的頭像 發(fā)表于 10-19 08:14 ?1125次閱讀
    人機(jī)大戰(zhàn)之如何計(jì)算IGBT壽命——ChatGPT越戰(zhàn)越勇

    使用Pytorch實(shí)現(xiàn)頻譜歸一化生成對抗網(wǎng)絡(luò)(SN-GAN)

    自從擴(kuò)散模型發(fā)布以來,GAN的關(guān)注度和論文是越來越少了,但是它們里面的一些思路還是值得我們了解和學(xué)習(xí)。所以本文我們來使用Pytorch 來實(shí)現(xiàn)SN-GAN
    的頭像 發(fā)表于 10-18 10:59 ?464次閱讀
    使用Pytorch實(shí)現(xiàn)頻譜歸一化<b class='flag-5'>生成對抗</b><b class='flag-5'>網(wǎng)絡(luò)</b>(SN-GAN)

    圖像分類的主流深度神經(jīng)網(wǎng)絡(luò)模型有哪些 深度神經(jīng)網(wǎng)絡(luò)搜索方法總結(jié)

    生成對抗網(wǎng)絡(luò)(Generative adversarial net,GAN)是另一種常見的基于深度學(xué)習(xí)技術(shù)的生成模型,包括生成器和判別器2個(gè)組件,如圖11。二者相互
    發(fā)表于 10-12 10:24 ?1314次閱讀
    圖像分類的主流深度神經(jīng)<b class='flag-5'>網(wǎng)絡(luò)</b>模型有哪些 深度神經(jīng)<b class='flag-5'>網(wǎng)絡(luò)</b>搜索方法總結(jié)