Creative Adversarial Network (CAN) способна генерировать художественные изображения
Сначала исследователи из США работали с Generative Adversarial Network (GAN). Тренировочный датасет состоял из 80 тыс. полотен 15-20 веков.
Модель состоит из генератора, который создаёт художественные объекты, и дискриминатора, который определяет похоже ли изображение на объекты из обучающей выборки.
Пытаясь создать изображения, которые максимально соответствуют выборке, генератор стал создавать объекты, которые были всё больше похожи на существующие художественные произведения.
В отличие от GAN, генератор CAN тренировали создавать полотна так, чтобы дискриминатор мог отнести изображение к искусству, но не смог определить в каком стиле оно выполнено. Нарушая стилевые нормы, CAN создаёт оригинальное произведение искусства.
Сначала исследователи из США работали с Generative Adversarial Network (GAN). Тренировочный датасет состоял из 80 тыс. полотен 15-20 веков.
Модель состоит из генератора, который создаёт художественные объекты, и дискриминатора, который определяет похоже ли изображение на объекты из обучающей выборки.
Пытаясь создать изображения, которые максимально соответствуют выборке, генератор стал создавать объекты, которые были всё больше похожи на существующие художественные произведения.
В отличие от GAN, генератор CAN тренировали создавать полотна так, чтобы дискриминатор мог отнести изображение к искусству, но не смог определить в каком стиле оно выполнено. Нарушая стилевые нормы, CAN создаёт оригинальное произведение искусства.