深度学习下AI生成印象派美术及全景画的微观艺术研究

发布时间：2022-07-07 12:47

　　本文通过分析印象派美术作品的内存频率特征,联系蛋白质序列内部各级微观结构特征,描述结构特点、微观空间结构表达方式、氨基酸振动频谱等自然属性,分析生成式对抗网络的模型与算法特征,建立起蛋白质自然属性与绘画艺术的深度学习框架。基于蛋白质的自然性、多样性、随机性、继承性、特殊功能的组织性等自然特征,为采用深度学习中的生成式对抗网络技术,研究基于蛋白质微观结构的印象派美术作品生成、风格转移与全景画融合、全景画拼接等提供了新的思路和方法。 

【文章页数】：5 页

【参考文献】：
期刊论文
[1]基于图像质量与频谱特性加权的光瞳结构优化[J]. 赵晋炜,于洵,龚昌妹,姜旭.  自动化与仪表. 2020(02)
[2]氨基酸官能团的太赫兹振动模式研究[J]. 燕芳,李伟,王志春.  光谱学与光谱分析. 2020(02)
[3]基于注意力生成对抗网络的图像超分辨率重建方法[J]. 丁明航,邓然然,邵恒.  计算机系统应用. 2020(02)
[4]基于生成式对抗神经网络的手写文字图像补全[J]. 李农勤,杨维信.  图学学报. 2019(05)
[5]基于频谱和空域特征匹配的图像配准算法[J]. 陈泽锋,吴庆阳,陈顺治,李奇锋,卢晓婷,黄浩涛.  激光与光电子学进展. 2020(02)
[6]人工智能研究的新前线:生成式对抗网络[J]. 林懿伦,戴星原,李力,王晓,王飞跃.  自动化学报. 2018(05)
[7]基于加权随机森林的图像超分辨率算法研究[J]. 吴成东,卢紫微,于晓升.  控制与决策. 2019(10)
[8]基于Regression GAN的原油总氢物性预测方法[J]. 郑念祖,丁进良.  自动化学报. 2018(05)
[9]基于GAN技术的自能源混合建模与参数辨识方法[J]. 孙秋野,胡旌伟,杨凌霄,张化光.  自动化学报. 2018(05)
[10]色彩子空间中绘景解析[J]. 张辉,程丛电,罗兆麟.  沈阳师范大学学报(自然科学版). 2017(02)

硕士论文
[1]芳香族氨基酸的结构和振动性质研究[D]. 郭云.扬州大学 2008



本文编号：3656443