基于生成对抗网络的中文山水画端到端创作
End-to-End Chinese Landscape Painting Creation Using Generative Adversarial Networks
Alice Xue
2021-01-01
订阅获取美术与书法被引 102
摘要
当前基于生成对抗网络的艺术生成方法由于依赖条件输入，往往难以产出具有原创性的作品。在此，我们提出Sketch-And-Paint GAN（SAPGAN），这是首个无需条件输入即可端到端生成中文山水画的模型。SAPGAN由两个生成对抗网络构成：用于生成边缘图的SketchGAN，以及负责将边缘图转化为绘画作品的PaintGAN。该模型在全新的中国传统山水画数据集上训练，该数据集此前从未被用于生成式研究。一项涵盖242名参与者的视觉图灵测试表明，有55%的受试者会将SAPGAN生成的画作误认为是人类创作的作品，这一表现显著优于基线生成对抗网络所生成的画作。本研究为真正意义上的机器原创艺术生成奠定了重要基础。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- 现有基于生成对抗网络的艺术生成方法因依赖条件输入而缺乏原创性。本文提出首个无需条件输入即可端到端生成中国山水画的SAPGAN模型。该模型由生成边缘图的SketchGAN和实现边缘到绘画转换的PaintGAN构成，旨在突破条件限制以实现真正的机器原创艺术生成。
- 研究方法
- 研究构建了SAPGAN双GAN架构，实现从边缘图生成到画面上色的分阶段创作过程。同时，研究收集并使用了一个全新的传统中国山水画数据集进行模型训练。在评估方法上，通过242人参与的视觉图灵测试检验生成作品的逼真度，并与基线GAN模型进行对比分析。
- 学术贡献
- 本研究提出了首个无需条件输入的端到端中国山水画生成模型，打破了现有方法对条件输入的依赖。研究引入了首个专用于生成式研究的传统中国山水画数据集，填补了该领域的数据空白。实验证明其生成作品具有高度迷惑性，为真正的机器原创艺术生成奠定了基础。
- 存在局限
- 材料中未明确提及
- 进一步研究方向
- 材料中未明确提及
本综述由 AI（GLM-5-Turbo）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Generative Adversarial Networks and Image Synthesis