艺术家如何使用机器学习来进行创作

发布网友发布时间：2022-04-29 09:54

共1个回答

热心网友时间：2022-04-30 18:31

第一个展示计算机视觉的艺术应用潜力的人是Myron Krueger；在他还在读计算机科学博士生时，他就在研究将计算机视觉应用到虚拟现实和增强现实中了，而且这一工作还一直贯穿了他的整个七十和八十年代。他的开创性工作为后来的交互式装置埋下了伏笔，并也将极大地影响即将成长起来的新一代艺术家。
21世纪初的那几年，计算机视觉仍主要停留在计算机科学领域，学习者也主要是计划将其用于自动化、监控等工业领域的科学家和工程师。那时候，艺术家才刚刚开始尝试使用研究实验室流出的软件，比如OpenCV——这是计算机视觉领域首个主要的免费开源源码库。
如果视频无法播放，点击这里试试
而今天，我们已经有很多可以使用的开源计算机视觉库了，基本上每一个创意编程框架下都至少有一个。计算机视觉已经被广泛地应用在游戏、交互式装置和其它许多设备场境中。
当然，计算机视觉和机器学习之间有明显的区别。后者的大部分应用都需要大量的数据，而这些数据并不总是那么容易获取。另外，计算机视觉的硬件要求现在已经降低到普通消费级设备的层次，而机器学习的硬件要求尽管也在下降，但对新架构来说仍旧不够友好。
另一方面，我们也有理由相信机器学习能比计算机视觉赢得更快的发展速度。首先，机器学习更为通用，其应用范围涵盖了语音和自然语言、数据科学、新闻业和金融等许多不同的领域。其通用化程度之高甚至可以将计算机视觉都归为其中一个子类；实际上现在已经有一些来自深度学习的技术（尤其是卷积神经网络）在一些视觉任务（如：对象识别）中超越了经典的计算机视觉方法。
此外，和计算机视觉相比，机器学习所获得的教育资源也丰富得多。你能找到大量的相关网络课程、知识和技术汇编、指导、教程……尽管这些知识并不是专门针对艺术家制作的，但其足够高的通用化程度使其可以在多种不同的学科中得到应用。尽管计算机视觉也有类似的资源，但远不像机器学习那样拥有如此众多的免费资源；考虑到计算机视觉实际上进入公众领域的时间更早，这样的成就也确实不可思议。