ARTEMIS: Using GANs with Multiple Discriminators to Generate Art

要約

抽象芸術を生成するための新しい方法を提案します。
まず、オートエンコーダーが、事前トレーニングされた VGG ネットワークを使用してソース画像から抽出された画像のスタイル表現をエンコードおよびデコードするようにトレーニングされます。
次に、オートエンコーダーのデコーダー コンポーネントが抽出され、GAN のジェネレーターとして使用されます。
ジェネレーターはディスクリミネーターのアンサンブルで動作します。
各ディスクリミネーターは同じ画像の異なるスタイル表現を採用し、ジェネレーターはすべてのジェネレーターを欺くために、説得力のあるスタイル表現を作成する画像を作成するようにトレーニングされます。
ジェネレーターは、多様性項を最大化するように訓練されています。
結果として得られた画像は超現実的で幾何学的な性質を持っていました。
私たちは、セルフアテンション層とエンコーダ/デコーダ アーキテクチャを使用するため、このアプローチを ARTEMIS (ARTistic Encoder-Multi-Discriminators include Self-tention) と呼んでいます。

要約(オリジナル)

We propose a novel method for generating abstract art. First an autoencoder is trained to encode and decode the style representations of images, which are extracted from source images with a pretrained VGG network. Then, the decoder component of the autoencoder is extracted and used as a generator in a GAN. The generator works with an ensemble of discriminators. Each discriminator takes different style representations of the same images, and the generator is trained to create images that create convincing style representations in order to deceive all of the generators. The generator is also trained to maximize a diversity term. The resulting images had a surreal, geometric quality. We call our approach ARTEMIS (ARTistic Encoder- Multi- Discriminators Including Self-Attention), as it uses the self-attention layers and an encoder-decoder architecture.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google