PR-122 "CAN: Creative Adversarial Networks, Generating "Art" by Learning About Styles and Deviating from Style Norms" Review (2017 ICCC)(GAN)

PR-122 "CAN: Creative Adversarial Networks, Generating "Art" by Learning About Styles and Deviating from Style Norms" Review (2017 ICCC)(GAN)

 

 

목차

 

 

 

 

1. Citations & Abstract 읽기

Citations : 2022.01.09 기준 301회

저자

Ahmed Elgammal, Bingchen Liu - Department of Computer Science, Rutgers University, NJ, USA
Mohamed Elhoseiny - Facebook AI Research, CA, USA
Marian Mazzone - Department of Art History, College of Charleston, SC, USA

Abstract

우리는 예술을 생성하는 새로운 시스템을 제안한다. 이 스스템은 예술을 바라보고 스타일을 학습함으로써 예술을 생성하고 학습된 스타일로부터 벗어나 생성된 예술의 각성 잠재력을 높임으로써 창의성을 발휘하게 한다. 우리는 주어진 분포를 모의 실험하여 새로운 이미지들을 생성하는 방법을 배울 수 있는 능력을 보여주는 GAN을 통해 구축한다. 우리는 이런 네트워크가 그들의 원본 디자인에서 창의적인 제품을 생성할 수 있는 능력에 한계가 있다고 주장한다. 우리는 기존 스타일들로부터 편차를 최대화하고 예술 분포로부터 편차를 최소화함으로써 창의적인 예술을 생성할 수 있도록 하는 objective에 대한 수정을 제안한다. 우리는 예술가에 의해 창조된 예술에 대한 인간의 반응과 생성된 예술에 대한 인간의 반응을 비교하기 위한 실험을 수행한다. 결과는 인간 주체는 제안된 시스템에 의해 생성된 예술과 당대 아티스트에 의해 생성되고 최고 예술 박람회에서 보여진 예술과 구별하지 못함을 보인다.

 

개인 정리

GAN 기반 스타일 학습 예술 방안을 고안하여 이미지를 생성하였고 이는 높은 수준의 퀄리티를 보여줌

 

2. 발표 정리

https://youtu.be/TB7izZIWYyw

 

 

공식 논문 링크

...

 

https://arxiv.org/pdf/1706.07068.pdf

 

 

Presentation Slide

없음

Contents

 

https://sites.google.com/site/digihumanlab/home

Digital Humanities Laboratory at Rutgers

 

CAN 결과

 추상화에 가까운 결과

 

논문에서 제기하는 의문 3가지

1)  기기에게 미술 작품과 스타일을 배우게 하고 참신한 새로운 예술품 생성이 가능할까?

2) 만든 작품이 인간이 봐도 미학적 의미가 있을까

3) 생성된 작품은 예술품인가?

 

 Art Generating Agent

 

 

어떤 문제를 풀 때, 난이도가 자기 자신 기준 상/중/하

문제가 너무 쉬우면 감흥이 없음 (not novel)

문제가 보통이면 적절한 자극과 호기심 (novel)

문제가 너무 어려우면 역효과가 남 (too novel)

 

Deepdream 사람이 보기에 불편 "dazzling, druggy and creepy" -> too novel

Google AI Auction

관련 기사

https://www.businessinsider.com/google-ai-images-raise-100000-at-auction-2016-2

These 29 gorgeous images created by Google's AI raised almost $100,000 at auction

 

Dataset

WikiArt Dataset(2015)

81,449 painting from 1,119 artists (from 15th~21st century) with style label

 

GAN으로 창의적인 것을 만들기에는 부족하다.

모방은 잘 하지만 창조적이지 않다.

 

 

style classification loss & style ambiguity loss가 추가됨

 

style ambiguity loss의 경우 어떤 스타일인지 구분하지 못하게 구성

 

Experiments

평가가 쉬운 일은 아님.

 

추상적인 이미지들

style ambiguity를 뺀 것 대비 잘 나온다고 논문에서는 이야기함. 그러나 구분이 힘듬....

Quantitative Result

Experiment 1 (Amazone Mturk)

 실제 예술가들과 비교

 

참조

GitHub

https://github.com/mlberkeley/Creative-Adversarial-Networks

GitHub - mlberkeley/Creative-Adversarial-Networks: (WIP) Implementation of Creative Adversarial Networks https://arxiv.org/pdf/1

 

 

https://github.com/r3a2t10/Creative-Adversarial-Networks-1

GitHub - r3a2t10/Creative-Adversarial-Networks-1: 포항공대 정보통신연구소에서 인턴 프로젝트 (AI Art Lab 그

 

블로그

https://towardsai.net/p/l/digital-artist-creative-adversarial-networkscan

Digital Artist: Creative Adversarial Networks(CAN)

https://techneedle.com/archives/30918

페이스북 AI 팀, 새로운 스타일의 그림을 그리는 인공지능 제안