详细内容或原文请订阅后点击阅览
我使用 GAN 和公元前 330 年的雕塑来了解亚历山大大帝的样子
看吧世界——我给你亚历山大大帝——用 GAN 来解释背景：我使用 GAN 或（生成对抗网络）、Leochares 于公元前 330 年制作的亚历山大大帝半身像以及艺术家 Jude Maris 绘制的亚历山大面部照片，创作了一幅栩栩如生的亚历山大大帝肖像。最终产品：用 GANA 解释亚历山大大帝生成对抗网络 (GAN) 是由 Ian Goodfellow 设计的机器学习框架。该概念最初发表在 2014 年的论文《生成对抗网络》中。核心思想是创建一个系统，其中两个神经网络在游戏中相互竞争，生成具有与训练集相同统计数据的新数据。例如，用照片训练的 GAN 可以生成至少在表面上看起来对人类观察者来说真实的新照片。我在这里使用的底层模型的开源版本 — GAN BREEDER — 可在 GitHub 上找到雅典卫城博物馆的亚历山大头像。我决定使用 1886 年在雅典卫城的厄瑞克忒翁神庙附近发现的亚历山大头像作为基础图像。它被认为是雕塑家 Leochares 的原创作品，大约在公元前 330 年制作。从这幅图像开始对我来说很有意义，因为它是我能找到的最早、最清晰的亚历山大描绘。艺术家 Jude Maris 的数字重建使用了伊斯坦布尔考古博物馆的亚历山大大理石头像作为基础图像。至于风格，我使用了内部
来源:Medium - Archie.AI生成对抗网络 (GAN) 是由 Ian Goodfellow 设计的机器学习框架。该概念最初发表在 2014 年题为“生成对抗网络”的论文中。其核心思想是创建一个系统，让两个神经网络在游戏中相互竞争，生成具有与训练集相同统计数据的新数据。例如，用照片训练的 GAN 可以生成至少在人类观察者看来表面上真实的新照片。
“生成对抗网络我在这里使用的底层模型的开源版本 — GAN BREEDER — 可在 GitHub 上获得
我在这里使用的底层模型的开源版本 — GAN BREEDER — 可在 GitHub 上获得我决定使用 1886 年在雅典卫城厄瑞克忒翁神庙附近发现的亚历山大头像作为基础图像。 它被认为是雕塑家 Leochares 的原创作品，大约在公元前 330 年制作。 从这张图片开始对我来说很有意义，因为它是我能找到的最早、最清晰的亚历山大画像。
至于风格，我使用了艺术家 Jude Maris 对亚历山大面部的诠释。 Jude Maris 使用了伊斯坦布尔考古博物馆的亚历山大大理石头像作为基础图像。
颜色和其他细节由艺术家根据其对亚历山大外貌信息的解读以数字方式添加。（例如，异色症、金发、晒伤的希腊/马索达尼安肤色等）
来源：