使用深度网络创造艺术：CAN, creative adversarial networks_creative adversarial networks, generating 'art' by

1. 论文信息

论文名称：CAN: Creative Adversarial Networks, Generating “Art” by Learning About Styles and Deviating from Style Norms
发表在：the eighth International Conference on Computational
Creativity (ICCC), held in Atlanta, GA, June 20th-June 22nd, 2017.
原文链接：https://arxiv.org/abs/1706.07068

2. 成果展示

先放一些最终成果，都是使用机器生成的作品（个人觉得还是比较成功的，毕竟只要有几个看上去差不多的作品就很厉害了）：

3. 模型简介

文章主旨其实是通过更改GAN（生成对抗神经网络，Generative Adversical Networks）的目标函数来学习生成style融合的艺术作品。

3.1. 艺术的探讨

一句话总结即为：论文中通过引用许多心理学方面的结论，把艺术（create art）的合格性、有效性和arousal（觉醒度）做关联，不能太无味，又不能太刺激；进而对觉醒度做分析，认为画风（style）融合可以很好的增强模型的觉醒度。
论文首先在Introduction的部分探讨作画过程：1. 画家肯定要吸收观看其他的作品（为模型中使用艺术品数据库做铺垫）2. 一个有创造性的画家是尽量增加作品的arousal potential（能够给观赏者带来的潜在觉醒度），并且增加的不能过多，遵循least effort原则。3. 画风突破具有重要作用。
然后又在2.1. Background部分对Arousal展开，先给了arousal的定义（困倦、放松的时候arousal低，暴怒、激动的情况下arousal高）；然后解释了arousal potential源于novelty, suprisingness, complexity, ambiguity and puzzlingness，并对几个概念展开；又再次引入了least effort的原则，并使用Wundt curve佐证。
通过一系列的心理学结论的引用和推导，最终说明了学习生成画风（style）融合的作品可以产生艺术品。

3.2. 对抗生成网络，GAN

回忆GAN的功能，是输入一堆数据，然后通过学习使得模型能够生成和输入数据分布大致相同的数据。具体地，GAN分为两个部分，分别是生成器（Generator，G）和判别器（Discriminator, D）。生成器的作用就是生成数据，通过学习尽可能是生成的数据和原数据分布相同；判别器则是用于判断输入数据是原有数据集内部的，还是使用生成器生成的。一个笔者比较喜欢的比喻是：可以把生成器看做假币制造工厂，而判别器看做验钞机/警察；那验钞机的任务就是区分真币和假币，而假币制作工厂的任务就是制造出难以被验钞机识别的假币；可以想象，随着验钞机的不断更新换代（采用更加先进的技术等等），假币制造工厂生产的假币变得难以流通，从而迫使假币制造工厂制造出更好的假币来鱼目混珠，进而迫使验钞机继续更新自己的技术去区分真币和更厉害的假币；这个互相竞技的过程最终会结束，即假币和真币已经一模一样的时候，验钞机变得再也无法区分真币和假币；而此时假币制造工厂已经可以制造出和真币一模一样的假币，任何其生产的货币都可以看做真币。论文中将这种关系比作两个玩家（G和D）的竞技过程，GAN论文中验证了该游戏存在一个纳什均衡的解（即G产生的数据和输入数据分布相同）。（但是由于GAN的难以训练和神经网络本身使用SGD只能求取近似解等特性，使得其效果差强人意，这也是很多论文加以改进的点）
在本问题里面，论文中认为GAN在理想情况下只能学习生成和原有作品集内部一样的作品，不具有新颖性，从而arousal potential不够，进而不能产生艺术品。论文中称GAN的结果为Emulation（模仿）。

3.3. 创意生成网络，CAN

论证了GAN的不足之后，就需要对其进行修改。修改的方向即为增强生成作品的arousal potential，而论文中采取的方法即为增强生成作品的画风融合程度。

具体模型如上图，注意到与GAN相同，其大概可以分为生成器（Generator, G）、判别器（Discriminator，D）和损失函数（Loss）三个部分。最终需要使用的部分只是生成器，所以我们从生成器开始看起。神经网络训练都需要有损失函数指导，从而计算梯度值，进而利用梯度值对权重矩阵进行更新，进行学习。蓝色线表示的就是Generator使用的损失函数，分为两个部分：是否为艺术品（Art/Not art）和画风融合的程度（Style Ambiguity）。已经存在和GAN不同的地方了，原有GAN只使用第一个部分作为损失函数，从而学习到都是和原数据分布相近的生成数据；而CAN中加入了Style Ambiguity从而要求生成器生成的数据还要尽可能的对style进行融合。而Style Ambiguity的衡量不是使用某种定死的损失函数，是通过学习一个对画风（style）进行分类的神经网络（Art-style classification）来得到的，而这个部分就是属于分类器学习的部分。
综上，CAN里面的判别器部分学习两个分类器：是否为艺术品（Art/Not art）、画风分类（Art-style classification）。而这两个部分可以指导生成器生成和输入艺术品近似的数据（Art/Not art），并且难以判别具体的画风（Style Ambiguity）。

4. 技术细节

4.1. CAN的损失函数

回顾GAN的损失函数为：

这两项其实（Art/Not art）分类器指导的。
而CAN的损失函数为：

注意到损失函数中对于原有数据集的部分加入了正确分类的概率$D_c(c=\hat c|x)$；而生成的数据$G(z)$的部分加入了$D_c$与uniform分布的交叉熵。分别对应于（Art-style classification）和（Style Ambiguity）。
对于（Style Ambiguity）的衡量，论文比较了entropy和cross entropy两种方式，两者曲线如图（蓝色为交叉熵，红色为熵）：

发现两者的趋势大致相同，即都对接近于0或1的概率做惩罚；但是可以看到交叉熵对于0或1的惩罚力度远大于熵，从而可以期待更加难以区分类别的结果。

4.2. CAN的模型结构

分类器模拟的是DCGAN，为多层deconv的结合，如下图中文字所示：

判别器包括两个分类器，分别是（Art/Not art）和（Art-style classification）。这两个判别器共享CNN部分，为六层使用Leaky ReLU的卷积层；然后两个分类器对应于CNN输出之后接的两个头：（Art/Not art）为一层全连接，输出概率；（Art-style classification）为三层全连接，最后输出各个类别的概率。具体如下图所示：

4.3. CAN的训练算法

基本算法如上。和GAN相同，都是分别对判别器部分和生成器部分进行训练，然后不断迭代。判别器部分对原始数据使用指导，对应于期待两个分类器都得到较好的效果；而对于生成器生成的数据则使用指导，对应于期待分类器可以识别出输入是由生成器生成的。而生成器的部分则是使用

指导，对应于期待生成器生成的样板能够不被判别器区分出是假的，并且类别判断也要尽可能模糊。

4.4. CAN的实现细节

包括初始化、模型设计技巧、优化算法、数据增广等等。

---

大多数和CAN模型相关的部分都在前面描述完毕，后面就是一些模型比较、作者思考等部分，可以选择性跳过。

5. Baseline模型

论文中还提到了三种基础模型，用于模拟GAN的效果。具体地，分别是完全模拟GAN，但分辨率不同的前两个模型，Art-trained-GAN 64x64和Art-trained-GAN 256x256；以及加入了类别判断分类器，但不用于指导生成器的模型，style-classification-CAN。三种模型的实验结果由上到下如下图所示：

可以看出从上到下，结果逐渐变好；第二个模型已经可看出对比度、形状、纹路等等；第三个模型已经可以看到可以识别的物体场景等等。（须注明这些图片都是人为挑选出来的结果）
比较第一个和第二个模型，第二个模型更改了生成器的部分，增加了两层deconv，使得生成的图片分辨率增强（同时模型参数也增加了），但得到的结果反而更好了。（笔者一直工作在小数据集上，所以忽略了模型复杂度不足也有可能导致较差的实验结果，所以觉得这个还是有必要注明一下。）
第三个模型对比于第二个模型，增添了一个画风分类器，具体描述如下：

可以看到，对于生成器模型来说，仍然是被$D_r$影响指导，但最终结果却变好了。说明判别器里面的Art/Not art分类器的性能增强了，而这个增强是通过加入$D_c$实现的。也就是说虽然原问题里面没有涉及画风信息的部分，但是通过使得$D_r$和$D_c$两个分类器共享卷积层，然后训练$D_c$，也提高了$D_r$的性能。这就为融合数据库内的多种信息提供了道路（即便该信息与原问题无关，可以看做是迁移学习的一种）。

6. 比较值得借鉴的部分

1. 设计损失函数很巧妙，提到了entropy和cross entropy的区别。
2. 因为设计损失函数过程是有的放矢，所以训练过程也只使用有效部分：判别器训练的部分没有加入对画风融合交叉部分的损失，从而使得判别器可以专注于区分画风（/区分画风的部分不能受生成数据的影响）。
3. 复杂模型可以得到比简单模型更好的效果，取决于具体问题形成的关卡位置（64x64 GAN的结果反而差于256x256 GAN的结果）。
4. Leaky ReLU的应用，有时间可以看看相关论文
5. 即使只是想要学习到和原数据相似的分布，但对于额外信息也可以通过训练两个权重共享的分类器来融合信息，改善结果：比较Art-trained-GAN 256x256和style-classification-CAN模型，发现后者相比于前者的改变在于为判别器添加了一个新的分类器，Art-style classification；而这个分类器和Art/Not art分类器是共享CNN层的权重的；最终指导生成器的只是Art/Not art的分类器，在不共享权重的情况下，添加一个新的分类器对生成器没有影响；但因为共享权重，所以通过训练Art-style classification分类器，为判别器加入画风这个额外信息，并且通过共享权重进行了融合；训练Art-style classification分类器使得Art/Not art的分类器结果更好，进而改善分类器的效果。