【摘 要】
：
研究文本智能生成图像所蕴含的艺术性及其背后的重构与复制,进而探讨"艺术创作与艺术复制"所引发的问题与解决方案。从现有的文本智能生成图像技术切入,梳理当前的主要应用方法,提炼出技术特点。在此基础上探索文本智能生成图像技术的创作过程、生成图像特点和艺术特性。从纵向角度与传统图像、数字图像进行比较分析,探讨人与人工智能在图像创作中因主体差异性而产生的创作过程的差异。最终探讨文本智能生成图像在艺术重构与艺
论文部分内容阅读
研究文本智能生成图像所蕴含的艺术性及其背后的重构与复制,进而探讨"艺术创作与艺术复制"所引发的问题与解决方案。从现有的文本智能生成图像技术切入,梳理当前的主要应用方法,提炼出技术特点。在此基础上探索文本智能生成图像技术的创作过程、生成图像特点和艺术特性。从纵向角度与传统图像、数字图像进行比较分析,探讨人与人工智能在图像创作中因主体差异性而产生的创作过程的差异。最终探讨文本智能生成图像在艺术重构与艺术复制过程中的创造性与复制性问题。文本智能生成图像是对人类的艺术性创作的深度学习,是对人类已有艺术作品的
其他文献
【目的/意义】针对当前利用计算机管理图像资源存在图像语义特征表达不足等问题,探索和分析了特征及特征融合对分类结果的影响,提出了一种提高图像语义分类准确率的方法。【方法/过程】本文定义了四种图像风格,将图像描述特征划分为三个层次,探究特征融合的特点,寻求能有效表达图像语义的特征。分别采用SVM、CNN、LSTM及迁移学习方法实现图像风格分类,并将算法组合以提高分类效果。【结果/结论】基于迁移学习的R
针对跨域行人重识别应用中源域与目标域差异较大、现有模型无法在剥离域信息的同时有效获取关键身份信息的问题,提出一种基于对抗学习分离图像域信息与身份信息的方法 .该方法由域分离和对抗学习两个阶段构成:域分离阶段分离图像行人特征和域特征;对抗学习阶段通过特征提取器与相机分类器的对抗学习,提升模型对域信息与身份信息的区分能力.在Market-1501,DukeMTMC-reID和MSMT17数据集上开展跨
徘徊行为判定作为异常行为识别的热点难题,目前存在难以构建具有场景特定性的识别模型问题.特定场景下的行人轨迹数据,或是有标签,或是无标签,针对如何利用特定场景下有标签轨迹数据信息问题,结合行人多种轨迹特征,提出基于分类函数的徘徊行为识别模型,能够通过分类函数自动学习该场景下有标签轨迹数据中的徘徊行为模式;针对如何利用特定场景下无标签轨迹数据信息问题,提出基于异常检测的徘徊行为识别模型,能够在大量无标
通过视觉获取图像信息是人类学习和生活的重要功能,失明则会显著降低其生活质量.因视网膜色素变性、青光眼和黄斑变性等疾病而造成后天失明者,以及由意外事故、战争等造成眼部创伤者,有可能通过人工视觉辅助系统的帮助恢复部分视觉,或者完成复杂的生活任务.一些盲症患者视觉通路的神经传导剩余部分依然有功能,因此可以借助电极阵列刺激视神经向大脑传递视觉信息,也可在大脑视觉皮层贴敷电极阵列的方法输入视觉信息.此外,还
提出了一种基于一字激光视觉传感及改进Canny边缘算法的焊缝轮廓提取系统。该系统可简化图像处理,并精确提取焊缝特征点。采用三角立体投影法,找出了焊缝深度与底部特征点像素坐标的公式,确定了焊缝的三维信息。采用融合数学形态学的改进Canny边缘算法,实现了底部特征点图像坐标值的准确识别。实验结果表明,所开发的基于激光视觉传感及改进Canny边缘算法的自适应焊接系统可以很好地用于焊缝实时跟踪和三维焊缝轮
Image enhancement is a monumental task in the field of computer vision and image processing. Existing methods are insufficient for preserving naturalness and minimizing noise in images. This article d
运动视差的关键点(Focus of Expansion,FOE)是铁路接触网视频巡检的重要参数,但当前计算FOE的方法需多帧图像匹配估计,时间复杂度高。针对单帧图像FOE估计问题,结合自监督学习思想,提出了一种融合自监督学习的单帧图像FOE估计算法。搭建了全卷积网络F-VGG(Fully-VisualGeometryGroup)作为FOE的预测器,通过融合代理任务自动生成样本数据的训练标签,实现了
针对现有医学图像融合方法产生的图像,存在源图像潜在特征信息丢失而导致融合效果差的问题,提出一种利用生成对抗网络(generative adversarial network, GAN)来探索潜在空间的图像融合算法(GAN-ELS),用于提高计算机断层成像(CT)与T2加权核磁共振成像(MR-T2)融合图像的质量.该算法首先通过基于StyleGAN改进的对抗网络在训练进程中的特征解缠学习、多分辨率层
本文提出了一种基于可逆神经网络的单一图像超分辨率算法.最近提出的基于深度神经网络的单一图像超分辨率模型都是利用生成的超分辨率图像和对应的高分辨率图像之间的差异定义目标函数以及更新模型参数,这些模型仅利用了超分辨率正向过程中高分辨率图像对于低分辨率图像的依赖,并没有建立低分辨率图像与高分辨率图像之间的相互依赖.本文提出的超分辨可逆网络利用具有可逆结构的神经网络建立低分辨率图像与高分辨率图像之间的相互
针对常规人脸活体检测中存在的特征信息提取不足、准确率不高、容易被欺骗等问题,提出了一种基于注意力机制的多特征融合人脸活体检测算法.首先,为充分利用图像的低层特征,将原始人脸图像通过变换得到傅里叶频谱图,结合局部二值模式图和简化的韦伯局部描述图作为检测模型的输入.其次,再把这3种类型的图像分别输入到3个结构相同的ResNet支流中.然后,引入注意力机制来表征不同特征对于识别的重要性,将提取到的特征进