AI 与媒体艺术创新设计 课件 第三章 人工智能艺术及智能生成模型

AI与媒体艺术创新设计

人工智能艺术及智能生成模型越往前走，艺术将更为科学，科学将更为艺术，它们在山脚分开，却又在山顶汇聚。----------居斯塔夫·福楼拜目录/CONTENTS3.1人工智能艺术3.2生成式人工智能模型3.3算法美学对设计意义的重构与挑战01人工智能艺术探索AI艺术的起源、发展、创作流程、生成原理及其与传统艺术的比较。3.1.1生成艺术的兴起算法创作的起源生成艺术是一种通过算法、规则或系统来创作艺术作品的方法。它打破了传统的手工创作模式，让计算机成为艺术家的合作伙伴，共同探索视觉表达的新边界。早期探索与发展这一概念最早可追溯至20世纪60年代。早期先锋艺术家利用计算机程序生成复杂的几何图案和抽象图像，这种前卫的尝试为后来的数字艺术和AI艺术奠定了坚实的基础。3.1.2人工智能艺术的发展20世纪60-70年代算法艺术萌芽，早期计算机程序生成几何图形与抽象艺术。20世纪80-90年代基于混沌理论的分形艺术兴起，展现复杂的自相似结构之美。21世纪初引入遗传算法，通过模拟生物进化过程生成独特的艺术形态。2010年代至今深度学习与GAN技术爆发，AI能够生成高度逼真的创意作品。3.1.3人工智能艺术创作基本流程数据收集与预处理收集图像、文本或音频数据，并进行清洗和标注，构建高质量数据集。模型选择与训练选择GAN或Diffusion等模型，利用数据集进行训练，学习艺术特征。参数设置与提示配置模型参数，设计精准的文本提示词或输入初始图像作为创作起点。生成与迭代优化生成初步作品，根据反馈调整参数进行多次迭代，直至达到理想效果。后期处理与展示对生成的作品进行润色，选择合适的媒介进行最终展示。3.1.4人工智能艺术的生成原理生成对抗网络(GAN)通过生成器和判别器的对抗训练，在博弈中不断优化，生成逼真的图像。变分自编码器(VAE)学习数据的潜在概率分布，通过采样生成新的样本，注重生成结果的多样性与连续性。扩散模型(DiffusionModel)通过逐步添加和去除噪声的过程，生成高质量、高保真的图像，是目前主流的图像生成技术。Transformer模型基于注意力机制，擅长处理序列数据，广泛应用于文本生成及多模态艺术创作。3.1.5人工智能艺术的应用领域视觉艺术创作AI生成绘画、摄影、雕塑及数字艺术作品，突破传统创作边界，创造出前所未有的视觉风格。影视特效制作辅助剧本生成、角色设计与特效制作，大幅降低影视工业的制作成本与时间周期。游戏内容生成自动化生成游戏关卡、角色模型与场景地图，为玩家提供无限的探索空间与新鲜感。3.1.6人工智能艺术与传统艺术比较传统艺术(TraditionalArt)创作主体：人类艺术家，强调主观情感表达创作过程：手工创作，注重技艺磨练与传承创作工具：画笔、颜料等传统物理媒介艺术价值：深厚的人文内涵与历史积淀AI生成艺术(AIGeneratedArt)创作主体：AI模型，基于算法与数据生成创作过程：算法生成，快速迭代与自动化创作工具：计算机程序、神经网络模型艺术价值：技术创新与数据驱动的审美探索02生成式人工智能模型介绍国内外主流的生成式AI模型，以及相关的开源平台和社区。3.2.1国内生成式人工智能模型文心一言(ERNIEBot)百度推出的生成式对话模型，具备强大的多模态生成能力，能够理解和生成文本、图像等多种形式的内容。通义千问(Tongyi)阿里云推出的大语言模型，擅长多轮对话和内容创作，广泛应用于智能客服、文案生成等场景。腾讯元宝(Yuanbao)腾讯元宝是腾讯基于自研混元大模型开发的一款全能AI助手，它最鲜明的特色是“双模型驱动”和“深度融入腾讯生态”。3.2.2国外生成式人工智能模型ChatGPTOpenAI推出的大型语言模型，擅长对话交互和文本生成，理解能力强，应用广泛。DALL·EOpenAI推出的图像生成模型，能够根据文本描述生成具有创意和细节的图像内容。Midjourney独立研究实验室开发，以生成高质量、艺术感极强的图像著称，深受设计师喜爱。StableDiffusion开源的图像生成模型，具有高度的灵活性和可定制性，广泛应用于开发者社区。3.2.3与艺术相关的国外开源模型平台及社区GitHub-全球开源代码平台全球最大的开源代码平台，汇聚了大量AI艺术相关的项目、模型权重与技术实现，是开发者的核心阵地。HuggingFace-生成式AI模型库专注于NLP与生成式AI，提供丰富的预训练模型和易用的工具库，极大地降低了AI艺术模型的使用门槛。AIArtCommons-艺术创作社区专注于AI艺术的垂直社区，鼓励创作者分享独特的创作经验、技巧以及最终作品，促进灵感碰撞与交流。Reddit社区-爱好者交流地如r/aiArt、r/Midjourney等板块，是全球AI艺术爱好者交流作品、探讨技术和分享资源的重要集散地。GitHub（https：//）HuggingFace（https：//huggingface.co）03算法美学对设计意义的重构与挑战

探讨算法美学如何解构设计规则、演进审美标准，并实现人机协同的价值共创。审美标准的系统重构挑战传统审美体系AI艺术的出现挑战了既定的艺术评价标准，促使我们重新思考“美”的定义。构建多维评价体系引入算法创新性、生成独特性及人机协作深度等新维度，丰富评价指标。推动审美多元化发展AI技术的发展将打破单一审美桎梏，促进艺术审美体系更加多元与包容。3.3.1设计规则的数字化解构打破对称性算法突破传统几何对称的限制，生成非对称但依然保持视觉和谐的设计形态。超越重复性告别简单的机械复制，生成具有无限复杂变化和微观细节的独特图案。重新定义比例突破黄金比例的桎梏，创造出符合算法逻辑且具有独特美感的全新形态。探索随机与秩序在混沌的随机算法中寻找新的秩序，构建出既具偶然性又不失整体美感的视觉系统。3.3.2审美标准的数据化演进从主观判断到数据驱动审美评价不再仅仅依赖直觉，而是越来越多地基于用户反馈、点击率及相似度分析等客观数据指标。个性化审美的崛起算法精准捕捉用户偏好并推荐内容，打破了单一的传统审美范式，推动了审美标准的多元化发展。审美标准的动态迭代随着数据的持续积累和算法模型的不断优化，审美标准并非一成不变，而是处于持续的动态演变之中。3.3.3人机协同的价值共创

目标与方向设定艺术家主导设定创作目标