AI 生成中国山水画，你能认得出真假吗？

来源：大数据文摘

用 GAN 创作似乎已经不是新鲜事了。

2019，英伟达在 GTC 大会上推出了一个人工智能图像生成器 "GauGAN"。用户只需要简单的勾画几条线条轮廓，便会自动生成美丽的风景图片。

这款 AI 使用的技术是生成对抗网络（GAN），也是一种深度学习模型，现在被广泛用于图像生成。

包括去年 MIT 和 IBM 沃森联合实验室联合发布的 AI Portraits Ars，用户可以在线将自己的照片转变为中世纪的优化风格，这个在线工具一度火爆到网站宕机。

你可能会说，"这不就是风格迁移么？"

不，团队人员专门强调，这不是风格迁移，这是 AI 自己创作的，从线条到色调，都和人类画师一样，照着真人的样子自行创作。

但是正如东西方巨大的文化沟壑一样，在艺术和技术结合的领域，AI 似乎也更偏向西方，我们看到不少 AI 生成写实主义、后现代，甚至是抽象主义的作品，但是却很少能看到 AI 在传统东方艺术上的表现。

终于，一位普林斯顿大学的本科学生 Alice Xue 将目光投向了中国山水画。

在她的毕业论文中，她开发了一款名为SAPGAN（Sketch-And-Paint GAN ) 的 AI 模型，该模型可以生成传统的中国山水画，为此她也获得了普林斯顿 2020 优秀毕业论文奖。

论文链接：

https://arxiv.org/pdf/2011.05552.pdf

论文提到，在一项 242 人的图灵视觉测试研究表明，SAPGAN 创作出的画作被误认为人类艺术品的频率高达 55%，显著高于基线 GAN 模型创作的画作。

和人类一样，先画草图后着色

传统中国山水画在绘制过程中，一般有勾、皴、点、染等步骤，顾名思义，就是先勾画出大致轮廓，再进行渲染。

AIice 提出的端到端生成中国山水画无条件输入模型遵循的也是这个步骤。为了实现这一过程，AIice 构建了两个模型：

Stage I: SketchGAN

Stage II: PaintGAN

SketchGAN 从样本图像中采集高分辨率的边缘图，而 PaintGAN 是根据 SketchGAN 进行 " 翻译 " 创作，从而生成一幅完整的山水画。

中国人反而更容易误判

实验的结果也很惊人。

在最后进行测评时，242 名参与者中，模型生成的画有一半以上（55%）被误认为是人类作品。

视觉图灵测试的分数分布，要求参与者判断艺术品是由人类还是计算机制作的 ( 平均值 = 70.5% )

在 " 审美愉悦 "、" 艺术构图 "、" 清晰 " 和 " 创造力 " 方面，SAPGAN 模型在所有艺术类别中的评分始终高于基线。SAPGAN 与人类绘画最大的区别是 " 清晰 "。

让人匪夷所思的是，中国人可能更容易被 SAPGAN 欺骗。作为母语为汉语的人，多少是见过几幅山水画的，但是在判别一幅山水画是否为 SAPGAN 所作时，中国人可能更容易被欺骗。

作者比较了母语为汉语和英语的参与者的结果，看看文化接触是否能让中国参与者正确判断这些画。然而，说汉语的参与者平均得分为 49.2%，明显低于说英语的考生的 73.5%。

也就是说，说中文的人 70% 的时候还会把 SAPGAN 的画误认为是人，而整体水平是 55%。显然，不管对中国文化的熟悉程度如何，参与者都很难区分绘画的来源。

自己收集两千多张山水画数据，GitHub 上公开

文章提出的模型是在一个新的中国传统山水画数据集上训练的，这一数据集不是来自百度或者谷歌，而是由作者本人收集。

AIice 表示，目前的山水画数据集存在不唯一性和图像质量和数量不足的问题，为了促进这一领域的发展，Alice 本人建立了 2192 幅高质量中国传统山水画组成的新数据集，这些山水画来自普林斯顿艺术博物馆藏品。

目前，这些有价值的绘画在很大程度上还没有被生成创作研究触及，作者也在 GitHub 上发布了这一数据集供公众使用。

Alice 在接受学校采访时说，普林斯顿大学美术馆有一个令人惊异的开放式数字收藏中国画，这对我的数据集很有价值，但不幸的是，大多数研究人员没有充分利用它。

数据集链接

https://github.com/Alice x 2020/Chinese-landscape painting-Dataset

写论文之前从没上过机器学习课，准备去 Facebook 工作

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!