[论文解读] Understanding and Creating Art with AI: Review and Outlook

Eva Cetinić, James She|arXiv (Cornell University)|Feb 18, 2021

Aesthetic Perception and Analysis被引用 10

一句话总结

本文综述了人工智能在艺术中的双重角色：利用计算机视觉分析数字化艺术作品，以及通过生成模型（如 GAN 和多模态扩散网络）生成全新艺术作品。文章整合了计算艺术分析与人工智能驱动创造力的最新进展，强调了可解释性、偏见和作者权属等方面的挑战，同时倡导将人工智能作为艺术史与数字人文学科中的协作工具。

ABSTRACT

<br>التقنيات المتعلقة بالذكاء االصطناعي (AI ) لها تأثير قوي على تغيرات الممارسات البحثية واإلبداعية في الفنون البصرية. إن العدد المتزايد من المبادرات البحثية والتطبيقات اإلبداعية التي تظهر في تقاطع الذكاء االصطناعي والفن ، يحفزنا على فحص ومناقشة اإلمكانات اإلبداعية واالستكشافية لتقنيات الذكاء االصطناعي في سياق الفن. تقدم هذه الورقة مراجعة متكاملة لجانبين من الذكاء االصطناعي والفن: 1) استخدام الذكاء االصطناعي لتحليل الفن ومن ضمنها مجموعات األعمال الفنية الرقمية ؛ 2) استخدام الذكاء االصطناعي ألغراض إبداعية وتوليد أعمال فنية جديدة. في سياق األبحاث المتعلقة بالذكاء االصطناعي لفهم الفن ، نقدم نظرة عامة شاملة على مجموعات بيانات األعمال الفنية واألعمال الحديثة التي تتناول مجموعة متنوعة من المهام مثل التصنيف واكتشاف الكائنات واسترجاع التشابه والتمثيالت متعددة الوسائط والجماليات الحسابية وما إلى ذلك. فيما يتعلق بدور الذكاء االصطناعي في إنتاج الفن ، فإننا نتناول مختلف الجوانب العملية والنظرية لفن الذكاء االصطناعي ونجمع األعمال ذات الصلة التي تتعامل مع تلك الموضوعات بالتفصيل. أخيرا ، نقدم نظرة موجزة حول التقدم المستقبلي والتأثير المحتمل لتقنيات الذكاء االصطناعي على فهمنا للفن وصنعه.<br>This is an Arabic version of the preprint work "<b>Understanding and Creating Art with AI: Review and Outlook"</b> on ArXiv. https://arxiv.org/abs/2102.09109

研究动机与目标

• 探讨利用大规模数字化艺术藏品与深度学习技术整合人工智能进行艺术分析的方法。
• 研究人工智能通过生成模型在创作全新艺术作品方面的创造力潜力。
• 解决人工智能生成艺术中的理论与实践挑战，包括感知偏见、作者权属与可解释性问题。
• 探讨人工智能对艺术史、策展与艺术市场的影响，特别是在数字化转型与区块链技术背景下的影响。
• 勾勒人工智能与艺术未来研究方向，强调数字人文学领域中的跨学科合作。

提出的方法

• 利用卷积神经网络（CNN）与迁移学习技术，实现对数字化艺术藏品的自动化分类、目标检测与视觉风格计量。
• 采用生成对抗网络（GAN）与多模态扩散模型，从文本或潜在表征生成全新视觉艺术作品。
• 应用少样本学习与标签稀缺技术，使深度学习能够在较小、特定领域的艺术数据集上运行。
• 整合多模态对齐技术，将文本、图像与上下文元数据映射至共享语义空间，实现跨模态理解。
• 在计算艺术分析中结合远距离观察与细读方法：远距离观察用于检测大规模统计模式，细读用于精细化风格分析。
• 采用计算美学与相似性检索方法，基于感知与结构特征评估和比较艺术作品。

实验结果

研究问题

• RQ1 人工智能如何通过计算方法增强对大规模数字化艺术藏品的分析与理解？
• RQ2 利用人工智能生成艺术时，其关键技术与感知挑战为何，特别是在风格、真实性与人类感知方面？
• RQ3 文化与感知偏见如何影响人工智能生成艺术与人类创作艺术之间的接受度差异？
• RQ4 人工智能在艺术史与数字人文学科中，如何支持新型知识生产形式？
• RQ5 人工智能生成艺术对作者权属、创造力以及艺术市场未来有何影响？

主要发现

• 人工智能模型，尤其是 CNN 与 GAN，可在数字化艺术藏品中实现高精度的自动化分类、目标检测与视觉风格计量。
• 多模态生成模型（如文本到图像扩散网络）正成为强大的艺术创作工具，支持从自然语言提示生成图像。
• 感知研究表明，人们对人工智能生成艺术存在负面偏见，但中国受试者表现出更积极的态度，表明人工智能艺术接受度存在文化差异。
• 人工智能引入了视觉不确定性作为 GAN 生成艺术中的一种独特风格特征，体现了其独特的生成特性。
• 人工智能生成流程中的偏见——尤其是训练数据中的偏见——具有社会文化影响，可能加剧艺术表现中的历史不平等。
• 由于数字化转型的推动，特别是疫情的影响以及加密艺术与区块链技术的兴起，人工智能在艺术策展、展览与销售中的整合正在加速。