(0人评价)
【即将上线】智感生成艺术 GANerative Arts
价格 免费
承诺服务
抱歉,该课程为限制课程,请联系客服
课程介绍

本课程预计在2019年1月上线,课程类型是收费课程,具体价格会稍后放出,咨询和预订课程请加课程顾问微信:

 

 

课程简介:

 

”GANerative”是个由Aven创造的词,GAN加上Generative表达用GAN去生成的意思。GAN,生成对抗网络,是当前人工智能领域内热门的研究,因为擅长生成和创造,它在艺术与设计方向的潜力更显无穷。最近使用GAN的艺术作品层出不穷, 不久前在佳士得拍卖出43万天价的油画也是由GAN生成。而将“GANerative”译作“智感生成”,本着尽量描述使用人工智能模型GAN去生成的含义。但是对于没有接触过人工智能或者机器学习的初学者,生成对抗网络却并不是非常容里理解和训练。因而这堂课将从简单但是强大的卷积神经网络(CNN)开始讲起,不通过数学公式而是使用直白的语言去描述和理解CNN的逻辑并且从零开始实现。并基于对CNN的认知,完成一个创意项目。带着学习和使用卷积神经网络的经验,这门课程将梳理生成对抗网络的发展简史并就每个里程碑式的网络作深入分析和讲解,并代码实现。其中包括如何使用Chainer,DCGAN,Pix2Pix,cycleGAN训练和创造交互生成作品。本课程要求学员至少使用某个生成对抗网络去实现自己一个交互生成创意,如果时间和兴趣丰厚,也可以全部尝试并且完成多个作品。

 

“GANerative” is a terminology coined by Aven, which is a combination of  “GAN” and “Generative”. GAN, stands for Generative Adversarial Networks, is a type of machine learning algorithms recently got popular in creative design discipline. Its capability of generating and creating has demonstrated great potential in arts and design and has been widely used by emerging media artists and professionals. However, GAN is not easy to understand and implement, especially without prior knowledge in machine learning. In this class, we will start with the simple but powerful CNN -- Convolutional Neural Network, understand the logic with minimal bite on mathematics and implement a classifier from scratch. Furthermore, with the knowledge and experience gained in the study and practice of CNN as well as the practicing project, we then move forward to the Generative Adversarial Networks. This part will cover the overall history of GAN and explain the millstone GAN models with creative applications. The final project for this class will also be encouraged to use one or more of the learnt (or unlearnt) GAN models to achieve any creative goals.

 

 

导师介绍:

 

周乐

Aven Zhou

 

上海纽约大学交互媒体艺术系,前驻留研究员、现任顾问。

先后在国内外两所大学受过五年的建筑设计训练,却没有做过哪怕一天的职业建筑师,因为坚信设计是要由代码生成的。毕业后选择进入交互媒体艺术领域工作,在交互媒体艺术系做驻留研究员,写了三年的Processing和Arduino,边学习边实践也教学。

觉得跨学科不该只是了解多个学科,而应该是精通各个学科再去融合。故选择学习电子工程,希望掌握最硬核的电子、图像、通信和多媒体相关的技术。在电子工程领域,发现今天的人工智能已经能够开始创造!又开始探索人工智能和艺术设计之间的可能性,而“达达山水”是他在这一议题下最新的实践。”

 

 

老师作品:

 

达达山水

DaDA

了解更多:

https://www.creativeapplications.net/member-submissions/shanshui-dada-ai-assists-human-creator-in-drawing-chinese-ink-wash-landscape-painting/

 

课程大纲(暂定):

Weekly Schedule:

Week 01 Introduction 课程简介

           01.1 Intro to Class

大纲介绍

           01.2 Neural Net: the Easy vs the Hard Way

如何简单地(不通过数学)理解神经网络

           01.3 How Neural Net Works Differently (vs Hand Crafted Algorithm)

           使用神经网络比传统算法的优势和异同

01.4 Creative Applications

人工智能的艺术应用概览

 

Week 02 Tech Bootcamp: Alexnet 从零开始码代码:以Alexnet为例

Tensorflow & Jupyter Notebook

 

Week 03 CNN: the First Neural Net 实现你的第一个卷积神经网络

03.1 How to Prepare Dataset

如何准备数据集

03.2 How to Create Model

如何定义模型

03.1 How to Train Neural Net with Local CPU/GPU

如何训练模型

03.2 How to Implement Trained/Pre-trained Neural Net Model

如何应用(预)训练完成的模型

 

Week 04 CNN Based Creative Application 基于卷神经网络的艺术项目(实战项目01)

Project Demo: Six Six Six 项目分享:五魁首

 

Week 05 Generative models: Overview 生成模型概览

05.1 Generative Adversarial Networks 生成对抗网络(智感生成)

05.2 GAN Applications 智感生成艺术作品

 

Week 06 Chainer: Neural Style Mirrors 神经网络风格迁移:Chainer智能镜

06.1 Collection of Pre-trained Neural Style Transfer Models 预训练Chainer模型概览

06.2 Train Your Own Neural Style Transfer Models 训练新的Chainer模型

 

Week 7 Deep Convolutional GAN: AI can Create ANYTHING 人工智能可以学会创造任何事物:DCGAN

7.1 DCGAN Arts Applications Examples 使用DCGAN案例分析

7.2 DCGAN Training and Implementation(with Remote Server) 训练新的DCGAN模型

 

Week 8 Pix2Pix: Paired Images Style Transfer 配对数据的风格转化:Pix2Pix

8.1 Collections of Artistic Pix2Pix Applications 基于pix2pix的项目分享和分析

8.2 Create Pix2Pix Style Transfer 训练基于pix2pix的风格迁移模型

 

Week 9 CycleGAN: Unpaired Images Style Transfer不匹配数据的风格转化:cycleGAN

9.1 cycleGAN Advantages 剖析cycleGAN优势

9.2 Creative Cycle-consistent GAN Transfer 训练基于cycleGAN的风格迁移模型

 

Week 10 Generative Models Based Creative Application 基于生成对抗网络的艺术项目(实战项目02)

           Project Demo: Shanshui-DaDA 项目分享:达达山水(达达计划)

 

 

授课教师

人工智能老师

学员动态

还没有动态