一个基于人工智能的模糊控制算法,用于融合传统中国绘画和人工智能绘画

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 数字艺术修复 数字艺术修复

背景情况:

• 传统中国绘画 (TCP) 往往缺乏足够的色彩对比和对象现实主义.
• 将人工智能绘画 (AIP) 与TCP结合起来,由于图像特征的差异,如图案,风格和颜色,因此存在挑战.
• 现有的将人工智能与传统艺术形式集成的方法是不够的.

研究的目的:

• 提出一种新的算法,基于变异融合的模糊加速绘画 (VF2AP),以有效地将人工智能生成的元素与传统中国绘画合并.
• 通过人工智能集成,通过改进颜色对比度和对象现实性来提高TCP的视觉质量.
• 克服当前人工智能和TCP融合技术的局限性.

主要方法:

• 预处理TCP数据成灰度图像.
• 使用基于模糊的本地二进制模式 (FLBP) 和笔触模式来优化纹理模式的特征提取.
• 使用变化自编码器 (VAE) 来处理提取的特征并最大限度地减少重建损失.
• 应用模糊推理规则来实现原始和重建图像的无融合.
• 实施一个反机制,使用评估指标 (AUC-ROC,MSE,SSIM,KL差异) 来进行质量评估.

主要成果:

• VF2AP算法成功地将人工智能生成的内容与TCP融合在一起,解决了色彩对比度和现实性的局限性.
• 特征提取技术可以在噪音较大的图像中增强纹理优化.
• VAE最大限度地减少了潜在空间的不规则性和重建错误.
• 模糊推理规则确保图像组件的顺利整合.
• 评估指标证实了融合过程的有效性.

结论:

• 拟议的VF2AP算法为使用人工智能绘画增强传统中国绘画提供了强大的解决方案.
• 该方法通过优化功能和确保无融合来提高图像质量.
• VF2AP为数字艺术修复和人工智能辅助艺术创作提供了一个可靠的框架.