來源：大數(shù)據(jù)文摘
用 GAN 創(chuàng)作似乎已經(jīng)不是新鮮事了。
2019，英偉達在 GTC 大會上推出了一個人工智能圖像生成器 "GauGAN"。用戶只需要簡單的勾畫幾條線條輪廓，便會自動生成美麗的風景圖片。
這款 AI 使用的技術是生成對抗網(wǎng)絡（GAN），也是一種深度學習模型，現(xiàn)在被廣泛用于圖像生成。
包括去年 MIT 和 IBM 沃森聯(lián)合實驗室聯(lián)合發(fā)布的 AI Portraits Ars，用戶可以在線將自己的照片轉變?yōu)橹惺兰o的優(yōu)化風格，這個在線工具一度火爆到網(wǎng)站宕機。
你可能會說，"這不就是風格遷移么？"
不，團隊人員專門強調，這不是風格遷移，這是 AI 自己創(chuàng)作的，從線條到色調，都和人類畫師一樣，照著真人的樣子自行創(chuàng)作。
但是正如東西方巨大的文化溝壑一樣，在藝術和技術結合的領域，AI 似乎也更偏向西方，我們看到不少 AI 生成寫實主義、后現(xiàn)代，甚至是抽象主義的作品，但是卻很少能看到 AI 在傳統(tǒng)東方藝術上的表現(xiàn)。
終于，一位普林斯頓大學的本科學生 Alice Xue 將目光投向了中國山水畫。
在她的畢業(yè)論文中，她開發(fā)了一款名為SAPGAN（Sketch-And-Paint GAN ) 的 AI 模型，該模型可以生成傳統(tǒng)的中國山水畫，為此她也獲得了普林斯頓 2020 優(yōu)秀畢業(yè)論文獎。
論文鏈接：
https://arxiv.org/pdf/2011.05552.pdf
論文提到，在一項 242 人的圖靈視覺測試研究表明，SAPGAN 創(chuàng)作出的畫作被誤認為人類藝術品的頻率高達 55%，顯著高于基線 GAN 模型創(chuàng)作的畫作。
和人類一樣，先畫草圖后著色
傳統(tǒng)中國山水畫在繪制過程中，一般有勾、皴、點、染等步驟，顧名思義，就是先勾畫出大致輪廓，再進行渲染。
AIice 提出的端到端生成中國山水畫無條件輸入模型遵循的也是這個步驟。為了實現(xiàn)這一過程，AIice 構建了兩個模型：
Stage I: SketchGAN
Stage II: PaintGAN
SketchGAN 從樣本圖像中采集高分辨率的邊緣圖，而 PaintGAN 是根據(jù) SketchGAN 進行 " 翻譯 " 創(chuàng)作，從而生成一幅完整的山水畫。
中國人反而更容易誤判
實驗的結果也很驚人。
在最后進行測評時，242 名參與者中，模型生成的畫有一半以上（55%）被誤認為是人類作品。
視覺圖靈測試的分數(shù)分布，要求參與者判斷藝術品是由人類還是計算機制作的 ( 平均值 = 70.5% )
在 " 審美愉悅 "、" 藝術構圖 "、" 清晰 " 和 " 創(chuàng)造力 " 方面，SAPGAN 模型在所有藝術類別中的評分始終高于基線。SAPGAN 與人類繪畫最大的區(qū)別是 " 清晰 "。
讓人匪夷所思的是，中國人可能更容易被 SAPGAN 欺騙。作為母語為漢語的人，多少是見過幾幅山水畫的，但是在判別一幅山水畫是否為 SAPGAN 所作時，中國人可能更容易被欺騙。
作者比較了母語為漢語和英語的參與者的結果，看看文化接觸是否能讓中國參與者正確判斷這些畫。然而，說漢語的參與者平均得分為 49.2%，明顯低于說英語的考生的 73.5%。
也就是說，說中文的人 70% 的時候還會把 SAPGAN 的畫誤認為是人，而整體水平是 55%。顯然，不管對中國文化的熟悉程度如何，參與者都很難區(qū)分繪畫的來源。
自己收集兩千多張山水畫數(shù)據(jù)，GitHub 上公開
文章提出的模型是在一個新的中國傳統(tǒng)山水畫數(shù)據(jù)集上訓練的，這一數(shù)據(jù)集不是來自百度或者谷歌，而是由作者本人收集。
AIice 表示，目前的山水畫數(shù)據(jù)集存在不唯一性和圖像質量和數(shù)量不足的問題，為了促進這一領域的發(fā)展，Alice 本人建立了 2192 幅高質量中國傳統(tǒng)山水畫組成的新數(shù)據(jù)集，這些山水畫來自普林斯頓藝術博物館藏品。
目前，這些有價值的繪畫在很大程度上還沒有被生成創(chuàng)作研究觸及，作者也在 GitHub 上發(fā)布了這一數(shù)據(jù)集供公眾使用。
Alice 在接受學校采訪時說，普林斯頓大學美術館有一個令人驚異的開放式數(shù)字收藏中國畫，這對我的數(shù)據(jù)集很有價值，但不幸的是，大多數(shù)研究人員沒有充分利用它。
數(shù)據(jù)集鏈接
https://github.com/Alice x 2020/Chinese-landscape painting-Dataset
寫論文之前從沒上過機器學習課，準備去 Facebook 工作
看到這里，你可能覺得 Alice 是一位 " 資深程序員 " 了。但是她表示，" 我寫這篇論文的時候從來沒有上過機器學習課程，所以我經(jīng)常被這樣一個問題弄得不知所措 : 像我這樣的新手能為已經(jīng)存在的創(chuàng)新研究做些什么。但是我發(fā)現(xiàn)總是有一個有趣的角度來處理一個問題，因為一個人的興趣和技能是他們獨一無二的。"
在談到對其他的學生建議時，Alice 說，將數(shù)字化人文融入你的工作中是自然而然的事。找到你感興趣的東西——無論是 19 世紀的文學作品還是爵士樂——總有一種方法可以從中收集數(shù)據(jù)，用來分析或制作與之相關的技術工具。
談到自己未來的規(guī)劃，Alice 表示自己準備去 Facebook 工作，成為一名軟件工程師。
