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图像。结果表明，该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。

该研究提出了一种新方法，用于控制艺术图像中的几何抽象和纹理，通过参数化表示独立控制颜色和纹理，同时支持多种风格编辑和纹理风格迁移。

该文介绍了一种新颖的方法，用于艺术图像中几何抽象和纹理的交互控制。通过空间分解输入图像的形状和高频细节的参数化表示，实现对颜色和纹理的独立控制。同时，还展示了在参数空间中使用参考图像和文本提示进行基于优化的纹理风格迁移，以及用于实时纹理分解的单一和任意风格参数预测网络的训练。