机构名称：
¥ 1.0
生成艺术是计算机科学领域的持久纪律，传统上采用了各种各样的创造性实现。但是，如果我们在没有辨别的眼睛的情况下查看当前的生成艺术景观，那么技术和方法的范围可能看起来很平坦，只有扩散模型，LLM和它们的洛拉斯才能看到。在这项工作中，我们旨在展示一种较旧的图像生成技术的变体，该技术可以创建引人注目的视觉艺术，而无需依靠训练数据，详尽的计算或狭义的先验。具体来说，我们重新访问了CPPN - 纳特算法，并将其重新处理以更适合当前的生成模型工作流程。而不是进化增强，我们会生成随机瓦特斯 - 图氏图，将它们转换为神经场，并以任意分辨率生成所得图像。我们通过使用离式VLM来获得高质量的样本，以在生成的示例之间进行成对选择。选择了多个回合的图像以进行最终的人类审查。此自动化过程很简单，并允许我们在消费者台式机上快速，轻松地生成12000px x 12000px图像，这种样式不同于公开可用的图像生成模型。
使用视觉语言模型导航神经领域
主要关键词
相关文件推荐
