元の論文

どんなもの？

GANとは少し違います。それは、識別器が、スタイルも学習するということ。
そして、生成器はスタイルも異なるように生成を学習することで、従来のGANよりもクリエイティブになるのではという論文。
アート論文として、アーティストは、スタイルブレイクを目指すことが多いとわかった。
アートの分布からの逸脱は最小限にしつつ、スタイルの逸脱を最大限にするように生成器を

学習

クリエイティブシステムの要件としてある学者は、１想像力、２スキル（品質）、３独自の創造物を評価する能力の３つが必要であると述べているが、この３つ全てを満たしている。
提案されたシステムの主な特徴の1つは、アートを作成するプロセスでアートの歴史について学習することです。ただし、スタイルの概念の背後にあるアートについての意味的な理解はありません。主題、要素の明示的なモデル、芸術の原理については何も知りません。ここでの学習は、芸術への露出とスタイルの概念にのみ基づいています。その意味で、システムは新しいアートから継続的に学習する機能を備えており、学習した内容に基づいて世代を適応させることができます。

背景

昔の DE Berlyne（1924-1976）によって提案された理論に基づいています。
美学の最も重要な覚醒を高める特性は、_新規性、驚き、複雑さ、あいまいさ、および不可解さであることを_強調しました。
そして、一人のアーティストが作品を作り続けると、どうしても慣れてしまうから、それを避けるためにこのシステムでは頑張る。
また、刺激は強すぎても弱すぎてもでダメであるから、そこをコントロールしている。
カテゴリ（例：[ 18 ]）またはキャプション（例：[ 19 ]）に基づいて画像を生成することを容易にするGANの拡張機能があります。）。このようなラベルにトレーニングを提供することで、さまざまなアートスタイルまたはさまざまなアートジャンルの画像を生成するように設計およびトレーニングできるGANを考えることができます。

先行研究と比べてどこがすごい？

フィードバックに人間を必要としない。
googleDreamというのがあったけど、それは曖昧すぎて、抽象アートではないし、コンピュータが生成したとばれちゃう。認識不可能すぎる。適度な曖昧さを頑張る

技術や手法の肝はどこ？

識別器は、通常のGANのようにアートかアートではないかの判別も生成器にかえす。それとどのスタイルにどの程度分類できるかの値を生成器に返す。
識別器は、スタイルラベル（ルネサンス、バロック、印象派、表現主義など）に関連する多数のアートにアクセスでき、それを使用してスタイル間の区別を学習します。
生成器は、アートであるものを作り、かつ分類をできるだけ混乱させようと頑張る。

次に読むべき論文

覚醒のさまざまなメカニズムの中で、芸術にとって特に重要かつ関連性のあるものは、外部刺激パターンの特性です [ 3 ]。
マーティンデールは、アート制作システムの導出における慣れの重要性を強調しました [ 15 ]。
Wundt曲線（覚醒の度合いを図る曲線？）
Google DeepDream [ 16 ]によって生成された画像について、「ほとんどが、寮の部屋のマンダラ、またはテレンスマッケンナの本の表紙にあると思われるデジタルサイケデリアのように見えます」とコメントしました３。他の人々は、「まばゆく、ドラッグ、そして気味が悪い」とコメントしました 4。この否定的な反応は、過度の覚醒の結果として説明される可能性があり、その結果、Wundt曲線に従って否定的な快楽がもたらされます。