图像的美化由生成的对抗性网络

科学领域:

• 认知神经科学 认知神经科学
• 视觉科学 视觉科学 视觉科学
• 人工智能的人工智能

背景情况:

• 了解视觉美丽的特性是科学中一个长期存在的挑战.
• 技术进步,特别是深度神经网络,为科学研究提供了新的工具.

研究的目的:

• 调查生成对抗网络 (GANs) 在生成具有增强审美吸引力的图像方面的潜力.
• 识别低级和中级视觉特征,这些特征有助于图像的美学价值.

主要方法:

• 利用生成对抗网络 (GAN) 产生具有逐渐更高审美评级的图像.
• 通过进行一项用户研究,验证了GAN的有效性,参与者判断了图像的美丽.
• 在低美学和高美学图像之间提取和比较视觉特征 (亮度,对比度,清晰度,和度,对称性,色彩,视觉复杂性).

主要成果:

• 该GAN成功生成了被人类参与者认为更美丽的图像.
• 所有分析的低级和中级视觉特征 (亮度,对比度,清晰度,和度,对称性,色彩,视觉复杂性) 在高美学图像中明显高于低美学图像.

结论:

• 这些发现表明,GAN是研究图像中美学价值属性的宝贵工具.
• 增加的亮度,对比度,清晰度,和度,对称度,色彩和视觉复杂度都与更高的美学吸引力有关.