深度生成模型的潜在空间中的艺术协作互动演化

生成对抗网络（GANs）在生成高质量的图像方面取得了巨大成功，并因此成为生成艺术图像的主要方法之一。本研究首先使用 Creative Adversarial Networks（CANs）架构的 GAN 进行训练，然后采用演化方法在模型的潜在空间中导航以发现图像。通过使用自动美学和交互式人类评估指标对生成的图像进行评估，并提出一种基于多个参与者的合作评估的人类交互式评估案例。此外，我们还尝试了一种智能变异算子，通过基于美学度量的局部搜索来提高图像的质量。通过比较自动和协作交互进化产生的结果来评估该方法的有效性。结果表明，当演化过程由协同人类反馈引导时，所提出的方法能够生成高度吸引人的艺术图像。

本研究使用CANs架构的GAN进行训练，通过演化方法在模型的潜在空间中导航以发现高质量图像。通过自动美学和人类评估指标对生成的图像进行评估，并提出了一种基于多个参与者的合作评估案例。结果表明，该方法能够生成高度吸引人的艺术图像。