所有文章 > 正文

Adobe 研发AI绘画系统,可在一分钟内复制艺术品

作者: Jansfer

时间: 2019-06-24 11:40

机器人绘画大赛是让机器人画画的比赛,通过算法学习图案后,用机器臂画出来。在去年的机器人绘画大赛上,AI机器人“画家”大展身手,表明算法在绘画等艺术领域的表现也非常优秀,打破了人们以往认为人工智能无法应用于艺术创作的刻板印象。

图|第一行是艺术品原图,第二行是人工智能复制图(来源:Adobe Research)

另一个最新的证据是马里兰大学和Adobe Research的研究人员发表在Arvix.org上的研究成果,他们开发了一种机器学习系统LPaintB,可以在一分钟内复制达芬奇、梵高和约翰内斯·维米尔的绘画作品。

文中写道,随着非真实感绘制技术的发展,包括基于笔划绘制、绘画绘制、特别设计、手工设计的方法可以越来越多地通过运用启发式算法来模拟绘画过程。这些算法可以产生令人信服的结果,但很难将其扩展到新的或看不见的样式里。本文重点构建了一种智能绘画代理,它可以用一系列绘画动作以相同或转换的样式复制参考图像。

研究人员的实现方法是利用自我监督学习,将未标记的数据与少量标记的数据结合使用来提高学习的准确性,训练机器从参考图像的有限点开始学习。通过数学建模系统的操作状态(如画笔配置:长度、方向和画笔大小),并通过将失败的目标状态替换为最终状态,团队生成了一个带有正面奖励的成对语料库,并将其提供给人工智能模型,使其学会在设计中用目标艺术风格来绘制参考图像。

图|第一行是参考图像,第二行是人工智能复制图(来源:Adobe Research)

但研究人员注意到,通常情况下只有一小部分被系统抽样的行为有积极的回报。他们用强化学习技术来解决这个问题,该技术将目标状态作为配对数据来训练政策(一组响应状态的行动)。但生成的政策并不是特别稳健,因为用于训练的成对数据只包括具有积极回报的行动(这使得很难从消极回报的不良行动中恢复)和连续一系列行动的结果。解决这一问题需要再次加强学习:它在有助于推广模型的操作中添加了噪声,并用奖励优化了模型的操作。

这一解决方案最终形成了一种人工智能框架,它可以使用描述笔划大小、颜色和位置信息的参数执行绘制操作,并相应地更新画布,并使用一个奖励函数来评估当前状态和目标状态之间的距离。为了编译一个训练数据集,团队从参考图像中以不同的比例以特定的样式绘制随机补丁,并将补丁采样到固定的大小。他们把这些输入模型,经过一个小时的训练,该模型能够在一台16核处理器和Nvidia GTX 1080图形芯片的电脑上以20000次笔画重现1000 x 800图像。

研究人员注意到,训练模型的构建高度依赖于训练数据,并且他们的方法基于一个基本的绘画环境。他们表示,自我监督和强化学习的结合大大提高了政策的效率和表现。该团队未来将结合画笔大小、颜色和位置等参数,构建一个基于模型的增强学习框架,该框架可以应用到绘画模拟器中。

参考:Venturebeat

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多