利用生成对抗网络（GAN）进行创作已经不再是新鲜话题。
2019年，英伟达在GTC大会上推出了名为“GauGAN”的人工智能图像生成器，用户只需简单地勾勒几条线条，系统便会自动生成美丽的风景图像。
这一技术采用了生成对抗网络（GAN）模型，广泛应用于图像生成领域。
例如，去年MIT与IBM沃森联合实验室发布的AI PoRtRAIts ARs，允许用户在线将照片转化为中世纪风格，因其受欢迎程度一度导致网站崩溃。
有人可能会问：“这不就是风格迁移吗？”
不完全是，团队特别强调这并非风格迁移，而是AI自主创作，从线条到色调，均以人类艺术家的风格进行创作。
然而，正如东西方文化的巨大差异，在艺术与技术结合的领域，AI似乎更倾向于西方。我们经常看到AI生成的写实主义、后现代甚至抽象艺术作品，但在传统东方艺术上却鲜有表现。
近日，普林斯顿大学的本科生Alice Xue将目光投向了中国山水画。
在她的毕业论文中，开发了一款名为SAPGAN（Sketch-And-PAInt GAN）的AI模型，能够生成传统中国山水画，并因此获得普林斯顿2020优秀毕业论文奖。
论文中提到的一项针对242人的图灵视觉测试显示，SAPGAN创作的作品被误认为人类艺术品的比例高达55%，显著高于基线GAN模型的作品。
与人类创作相似，AI也遵循画草图后上色的步骤。
传统的中国山水画一般包括勾、皴、点、染等步骤，先描绘出大致轮廓，再进行细致渲染。
Alice提出的端到端生成模型遵循这一过程。为此，她构建了两个模型：
第一阶段：SketchGAN 第二阶段：PAIntGAN
SketchGAN从样本图像中提取高分辨率边缘图像，而PAIntGAN则根据SketchGAN生成完整的山水画。
实验结果令人惊讶。
在最终评估中，242名参与者中有超过一半（55%）认为模型生成的画作是人类创作。
视觉图灵测试的评分显示，参与者判断艺术品是由人还是计算机创作的平均得分为70.5%。
在“审美愉悦”、“艺术构图”、“清晰度”和“创造力”等方面，SAPGAN模型的评分在所有艺术类别中均高于基线模型。与人类作品的最大区别在于“清晰度”。
令人意外的是，母语为汉语的参与者更容易被SAPGAN的作品所迷惑。尽管他们见过不少山水画，但在判断作品是否为SAPGAN创作时，反而更容易犯错。
作者比较了母语为汉语和英语的参与者，研究文化接触对判断的影响。结果显示，汉语参与者的平均得分为49.2%，明显低于英语参与者的73.5%。
换句话说，70%的中文参与者在判断SAPGAN的作品时仍会误认为是人类创作，而整体误判率为55%。这表明，无论参与者对中国文化的熟悉程度如何，他们都难以区分作品的来源。
Alice收集了超过两千幅山水画数据，并在GitHub上公开。
文章中提到的模型是基于一个新的中国传统山水画数据集，该数据集并非来自百度或谷歌，而是由作者亲自收集。
Alice指出，目前山水画数据集在唯一性、图像质量和数量上存在不足。为促进这一领域的发展，她建立了一个由2192幅高质量中国传统山水画组成的新数据集，这些作品均来自普林斯顿艺术博物馆的藏品。
目前，这些有价值的作品尚未被广泛应用于生成艺术研究，作者也已在GitHub上发布了此数据集供公众使用。
数据集链接：
https://Github.coM/Alice x 2020/CHinese-landscape pAInting-Dataset
在撰写论文前，Alice并未接受过机器学习课程，她计划前往Facebook工作。
或许你会认为她是一位“资深程序员”，但Alice表示：“在写这篇论文时，我从未上过机器学习课程，因此经常被‘像我这样的新手能为已有的创新研究做些什么’的问题困扰。但我发现总有有趣的角度来处理问题，因为每个人的兴趣和技能都是独一无二的。”
谈到对其他学生的建议，Alice表示，将数字人文学科融入工作是自然而然的事。找到你感兴趣的主题——不论是19世纪的文学作品还是爵士乐，总有方法可以从中收集数据，进行分析或制作相关的技术工具。
谈及未来规划，Alice表示她准备进入Facebook工作，成为一名软件工程师。
[[[IMG_1]]]
[[[IMG_2]]]
