机器智能前沿论坛·第5期 | AI for Art

851次阅读

机器智能前沿论坛衍生于“智能科学创新讲堂”，由中国科学院自动化研究所主办英文学术期刊Machine Intelligence Research(MIR)发起，同时在自动化所及MIR官方B站及视频号直播，旨在聚焦机器智能领域热点，交流最新前沿成果。

5

机器智能前沿论坛·第5期 | AI for Art

机器智能前沿论坛
第 5 期

机器智能前沿论坛·第5期 | AI for Art

机器智能前沿论坛·第5期将聚焦”Artificial Intelligence for Art“这一专题，论坛将在自动化所B站、视频号、MIR视频号、蔻享学术四大平台同步直播。2024年4月10日(周三)14:30，准时开播！

往期论坛精彩回顾：

【回顾-线下】机器智能前沿论坛·第4期 | 多模态数据感知与学习

报告主题 & 嘉宾简介

时间：2024年4月10日(周三) 14:30-17:00

主持人：牟伦田副教授

北京工业大学

个人简介：

牟伦田，中国科学院大学博士，北京大学博士后，加州大学欧文分校访问学者。研究方向主要为情感计算、智能艺术。主持参与国家项目十余项。荣获北京市科技进步二等奖、AVS产业技术创新奖、IEEE标准制定突出贡献奖。IEEE AI ART创始主席。

报告分享 (14:30-17:00)

报告一：计算艺术与设计

报告人：高峰研究员

北京大学

个人简介：

高峰，北京大学艺术学院研究员、创意实验室主任，博士生导师。主要研究领域为科技与艺术交叉学科，探索人类未来生活中人工智能技术在教育、艺术、健康等领域的应用。多篇论文发表于国际顶级多媒体会议ACM Multimedia、IEEE会刊、国内核心期刊《计算机学报》等，相关研究成果已成功应用于中国美术家协会、雅昌集团等单位。先后获得第12届中国艺术权力榜年度艺术探索奖、德国iF工业设计奖等奖项。

报告摘要：

近年来，人工智能生成内容（AIGC）与艺术作品主要特征的交叉研究不断深入，计算艺术由此迅速发展。视听内容生成逐渐应用于各种实践任务，包括视频或游戏配乐、协助艺术家创作、艺术教育等方面。本次分享将从利用人工智能（AI）技术进行视觉艺术生成和听觉艺术生成的视角，介绍视听内容生成方面的创新成果。

相关专题好文：

专题好文 | 创新视听内容的联合创作: 计算机艺术面临的新挑战

报告二：视频虚拟化制作引擎

报告人：方力副研究员

中国传媒大学

个人简介：

方力，博士，现任中国传媒大学媒体融合与传播国家重点实验室副研究员，硕士生导师。主要研究领域为三维视觉，沉浸式媒体技术。

报告摘要：

视频抠像、补全、调和是视频处理领域的关键技术，对视频编辑、电影制作、虚拟现实等行业都极为关键。确保视频序列的空间和时间一致性是这些任务的核心。有鉴于此，我们针对任务需要设计了基于光流和局部注意力的特征传播和对齐的有效方法。在此基础上，我们构建了视频虚拟化制作引擎，有力支持了AI技术在艺术创作中的应用。

报告三：Exploring Generative Music Explainable AI

报告人：Nick Bryan-Kinns 教授

University of the Arts London

个人简介：

Nick Bryan-Kinns is Professor of Creative Computing at the Creative Computing Institute, University of the Arts London. He is a Distinguished Visiting Professor at Hunan University, China, a Fellow of the Royal Society of Arts, Fellow of the British Computer Society, and Senior Member of the Association of Computing Machinery. Bryan-Kinns has published award winning international journal and conference papers on Human Centred AI, explainable AI and Music, co-design, and interactive art. His research is reported widely in publications such as the New Scientist, and media outlets such as BBC, and exhibited at venues such as the Science Museum, London.

报告摘要：

Generative AI models for music and the arts in general are increasingly complex and hard to understand. The field of eXplainable AI (XAI) seeks to make complex and opaque AI models such as neural networks more understandable to people. One approach to making generative AI models more understandable is to impose a small number of semantically meaningful attributes on generative AI models. This talk introduces a systematic examination of the impact that different combinations of Variational Auto-Encoder models (MeasureVAE and AdversarialVAE), configurations of latent space in the AI model (from 4 to 256 latent dimensions), and training datasets (Irish folk, Turkish folk, Classical, and pop) have on explainable features of AI music generation. To date there have been no systematic comparisons of such models at this level of combinatorial detail.

观看指南

直播通道①：中国科学院自动化所B站

哔哩哔哩APP搜索”中国科学院自动化所”或扫描下方二维码，直播当天点击头像即可进入

机器智能前沿论坛·第5期 | AI for Art

直播通道②：中国科学院自动化所视频号

扫描下方二维码预约观看

机器智能前沿论坛·第5期 | AI for Art

直播通道③：MIR视频号

扫描下方二维码预约观看

机器智能前沿论坛·第5期 | AI for Art

直播通道④：蔻享学术

扫描下方二维码进入MIR主题页，直播当天选择相应直播即可观看

机器智能前沿论坛·第5期 | AI for Art

直播服务

资讯订阅：关注下方“机器智能研究MIR”公众号，获取最新AI好文、资讯、讲座及论坛信息

机器智能前沿论坛·第5期 | AI for Art

直播群：实时更新通知 (入群请备注: 论坛5)

机器智能前沿论坛·第5期 | AI for Art

资料领取：扫描下方二维码填写收件信息可免费领取本专题相关论文

机器智能前沿论坛·第5期 | AI for Art

∨

关于Machine Intelligence Research

Machine Intelligence Research（简称MIR，原刊名International Journal of Automation and Computing）由中国科学院自动化研究所主办，于2022年正式出版。MIR立足国内、面向全球，着眼于服务国家战略需求，刊发机器智能领域最新原创研究性论文、综述、评论等，全面报道国际机器智能领域的基础理论和前沿创新研究成果，促进国际学术交流与学科发展，服务国家人工智能科技进步。期刊入选”中国科技期刊卓越行动计划”，已被ESCI、EI、Scopus、中国科技核心期刊、CSCD等20余家国际数据库收录，入选图像图形领域期刊分级目录-T2级知名期刊。2022年首个CiteScore分值达8.4，在计算机科学、工程、数学三大领域的八个子方向排名均跻身Q1区，最佳排名挺进Top 4%。

▼
往期目录
▼