Collaborative Interactive Evolution of Art in the Latent Space of Deep Generative Models

要約

Generative Adversarial Networks (GAN) は、高品質の画像の生成に大きな成功を収めているため、アート画像を生成するための主要なアプローチの 1 つとして使用されています。
ただし、通常、画像生成プロセスには学習されたアート表現の潜在空間からのサンプリングが含まれるため、出力をほとんど制御できません。
この研究では、まずクリエイティブ敵対的ネットワーク (CAN) として知られるアーキテクチャを使用してクリエイティブな画像を生成するように訓練された GAN を採用し、次に進化的アプローチを採用してモデルの潜在空間内をナビゲートして画像を発見します。
私たちは、生成された画像を評価するために、自動美的および協調的でインタラクティブな人間による評価指標を使用します。
人間による対話型評価のケースでは、複数の参加者の評価に基づく共同評価を提案します。
さらに、美的尺度に基づいた局所検索を通じて画像の品質を向上させることを目的としたインテリジェントな突然変異オペレーターも実験します。
自動進化と協調的インタラクティブ進化によって生成された結果を比較することにより、このアプローチの有効性を評価します。
結果は、人間の協力的なフィードバックによって進化が導かれる場合、提案されたアプローチが非常に魅力的なアート画像を生成できることを示しています。

要約(オリジナル)

Generative Adversarial Networks (GANs) have shown great success in generating high quality images and are thus used as one of the main approaches to generate art images. However, usually the image generation process involves sampling from the latent space of the learned art representations, allowing little control over the output. In this work, we first employ GANs that are trained to produce creative images using an architecture known as Creative Adversarial Networks (CANs), then, we employ an evolutionary approach to navigate within the latent space of the models to discover images. We use automatic aesthetic and collaborative interactive human evaluation metrics to assess the generated images. In the human interactive evaluation case, we propose a collaborative evaluation based on the assessments of several participants. Furthermore, we also experiment with an intelligent mutation operator that aims to improve the quality of the images through local search based on an aesthetic measure. We evaluate the effectiveness of this approach by comparing the results produced by the automatic and collaborative interactive evolution. The results show that the proposed approach can generate highly attractive art images when the evolution is guided by collaborative human feedback.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google