2024-04-20 15:34 来源：本站编辑
Walter Benjamin在1936年的《The Work of Art in The Age of Mechanical Reproduction》中提出了光环(aura)和真实性(authenticity)，用来描述艺术家创作的原创艺术品的价值，而不是机械复制品。他想捍卫人工，支持传统美术。
在《图片想要什么?》(What Do Pictures Want?)中，米切尔的核心关注点是生物控制论复制时代的艺术作品，而不是单个的，而是成对的。《影像的生活与热爱》(2005)延续了本雅明的思路。他特别提到了第一只克隆羊多莉，并把它看作是一个活生生的形象。米切尔是艺术和人文科学领域最具代表性和影响力的理论家之一。
他提出了一系列概念来解释生物控制论艺术作品的价值。然而，基于碳的这一领域的艺术家受到生物技术发展的限制，他们的创作有时受到压抑而不是释放。生物学家和艺术家之间的一些令人失望的合作似乎是通过娱乐视觉文化来普及科学知识，缺乏批判性思维。因此，研究人员需要反思艺术家可以用先进的技术做什么。
在超宇宙时代，人类面临着新的挑战。人类不仅拥有艺术品的机械复制品或生物控制论复制品，还拥有人类自己的化身。
《机器智能研究》上的一篇论文提出了人工智能(AI)艺术的概念，从而总结了人工智能技术生产的艺术作品的主要特征，如扩展现实(XR, VR/AR/MR的结合)、网络物理系统(CPS)、云计算和区块链。
人工智能技术人员和艺术家之间的合作比生物学家和艺术家之间的合作更亲密。人工智能技术将艺术家从繁重的工作中解放出来，这主要是马克思等人指责的，并鼓励他们在艺术中充分发挥自己的潜力。因此，AI就像团队中一个有能力的合作伙伴，总是及时了解艺术家，并努力将艺术家的浪漫构想变为现实。
人工智能技术具有广阔的发展前景，在艺术界的设计、创作和展览中都发挥着至关重要的作用。AI艺术的概念很容易与计算机艺术混淆。值得注意的是，AI艺术比计算机艺术更高级，可以涵盖更多的感知需求，包括光学和声学需求。人工智能艺术通常表现为人类感官的融合。
艺术鉴赏者同时获得视觉、听觉和触觉的感受。换句话说，人工智能技术为现代艺术展览提供了丰富的视听盛宴。
人工智能艺术的发展计划仍处于起步阶段。社会上对人工智能技术的普遍适用性存在一些担忧。这里有一个经常被提及的有趣的问题。人工智能会梦见电子羊吗?1968年，菲利普·k·迪克在他的科幻小说中首次提出了这个问题:“机器人会梦见电子羊吗?”电影《银翼杀手》和《银翼杀手2049》的灵感来源。
在讨论了人工智能伦理问题之后，这个题目成为了代表人工智能取代人类的恐惧的核心问题。这种担忧很快蔓延到人文学科。一些知识分子认为，人工智能技术应该受到限制。然而，如果你对人工智能技术有足够的了解，你会发现这种恐惧是可笑的。人们的恐惧只不过是对未知的拒绝。
尖端的人工智能技术仍然需要达到人类的情感水平。开发和应用人工智能技术的迫切需求仍然非常强烈。
人工智能技术目前在艺术领域应用于技术分类、风格迁移、交互设计、制造、文化产业等。人工智能艺术产生了人工智能生成的诗歌、VR绘画、数字媒体艺术、人工智能画外音和智能电器。这些例子展示了AI艺术的强大创造力。
然而，一些艺术家对此并不满意。1972年，德国艺术家约瑟夫·博伊斯(Joseph Beuys)在卡塞尔文献展上发表演讲，提出了“每个人都是艺术家”的观点。他的观点引起了轩然大波。在那些日子里，这只不过是一种想象。毕竟，不是每个人都擅长艺术创作。随着人工智能艺术的发展，这种想法似乎正在成为现实。人工智能足够强大，任何人都可以成为艺术家。
需要注意的是，AI的创造能力并不是无限的。它来自于有艺术创造天赋的人类。因此，人工智能艺术的发展与艺术家的培养并不矛盾。相比之下，人工智能艺术的传播使艺术家能够做他们最擅长的事情。这样一来，人工智能艺术的发展和传统艺术的创新就可以实现双赢。
为了实现这一目标，北京大学高峰教授的一篇论文重点研究了人工智能生成的视频和人工智能生成的音频。视听能力通常被认为是一种综合的人类感官能力。它们的结合迅速提高了电影、短视频、游戏等行业的生产效率。人工智能视听技术的总结和现有成果的呈现，可以帮助行业从业者判断未来艺术行业的趋势。
视听艺术生成可分为视觉艺术生成和听觉艺术生成。论文的第2节提供了两个领域的数据集和方法的全面概述。
视觉艺术生成部分:首先，研究者介绍了10个经典图像数据集;然后，基于人工智能绘画、风格转换和文本到图像的翻译三个任务，总结了视觉内容生成领域的经典模型;最后，研究人员展示了典型的系统和产品。
听觉艺术生成部分:以声音表现形式为指标，具体列举了听觉艺术生成领域的8个经典音乐数据集;然后，以模型结构为标准，将音乐生成方法分为一般模型和复合模型两大类。研究人员概述了九种音乐生成的经典框架，并确定了相关的模型和产品。
算法性能的评价方法有两种:客观评价和主观评价。客观评价采用基于数学理论的几种指标，定量、高效、应用广泛，但不适用于需要主观感受的内容。主观评价通常需要设计实验，由观察者对算法的结果进行评价，费时费力，难以量化。
然而，主观评价与主观感受是一致的。在艺术生成领域，主观评价在评价模型的创造性方面起着重要的作用。在第3节中，研究人员从客观和主观角度提供了测量生成结果质量的概述。
第4节介绍了提议的材料和机制。视听内容的热电联产是一项多模式任务，需要融合来自不同来源的信息，包括图像、视频、音频、文本等。通过权衡各种视听艺术生成算法的优势和局限性，研究人员开发并提出了一种使用多种算法生成数字视听艺术作品的联合生成机制。
系统分为视觉艺术生成模块和听觉艺术生成模块。前者负责生成指定风格的动态视频内容，后者通过与视频关联的文本特征生成相应的视频配乐。在4.1节中，研究人员介绍了为视听联合任务构建的两个数据集。在4.2节和4.3节中，他们分别展示了视觉艺术生成模块和听觉艺术生成模块。
本文总结了视听艺术生成技术发展的成果。视听艺术生成技术具有广泛的应用前景。它可以在家里使用，使娱乐更加多样化。它也可以在公共场所使用。例如，它可以增加商业推广和艺术展览的吸引力。
一项研究提出了一种新的博物馆档案系统，该系统将人工智能技术应用于包括博物馆在内的艺术机构的服务。诸如此类的研究显示了人们对基于人工智能的计算艺术的广泛兴趣，这种艺术可以为人们的日常生活提供便利，并为文化产业的发展提供动力。
视觉艺术的生成和听觉艺术的生成将彻底改变艺术的生产方式，提高艺术的生产力。然而，这不可避免地带来了一些具有挑战性的问题。传统艺术家对计算机艺术的发展表现出极大的焦虑。他们担心计算机将很快取代他们的工作。这种担忧并非没有根据。人工智能正在逐渐取代体力劳动。
第5节涉及两个方面。一方面，研究人员需要澄清计算艺术是否有资格取代人工艺术。另一方面，研究人员需要知道计算机艺术是否比人工艺术更有利于社会的福祉。综上所述，基于人工智能的计算艺术的主要挑战可以概括为计算艺术的人工和智能方面。
本文对视听内容生成进行了全面的研究。研究者希望这篇综述能够帮助人们更好地了解视听艺术的研究领域和基于ai生成的发展趋势。
更多资料:刘梦婷等，创新视听内容的热电联产:计算艺术的新挑战，机器智能研究(2024)。DOI: 10.1007/s11633-023-1453-5由北京中科期刊出版有限公司提供引文:创新视听内容的热电联产:计算艺术的新挑战(2024年，3月22日)检索自2024年3月22日https://techxplore.com/news/2024-03-cogeneration-audio-visual-content-art.html本文受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
