Seni Pembelajaran Mesin yang Luar Biasa
? ? ? Daftar pilihan proyek, karya, orang, artikel, dan sumber daya mengagumkan untuk menciptakan karya seni (termasuk musik) dengan pembelajaran mesin.
Isi
- Orang untuk Diikuti
- Proyek
- Artikel dan Pembicaraan
- Sumber Belajar
- Perpustakaan
- TODO
Orang untuk Diikuti
- Tero Parviainen - Pengembang perangkat lunak, peretas musik, dan penulis. Membangun alat desain masa depan di creative.ai.
- Gene Kogan - seorang seniman dan programmer yang memprakarsai ml4a.
- 大トロ(hardmaru) - Ilmuwan Peneliti di Google Brain, Tokyo.
- Douglas Eck - Pemimpin Magenta, Google Brain.
- Adam Roberts - Peneliti musik di Magenta, Google Brain.
- Kyle McDonald - Seorang seniman yang bekerja dengan kode. Dia adalah kontributor openFrameworks.
- Mario Klingemann - Artis, Neurografer, Pembuat Kode, Pengumpul Data, Pengarsip, Artis di kediaman @googleart.
- Memo Akten - Seniman, peneliti, dan filsuf yang bekerja dengan media komputasi, terinspirasi oleh persimpangan antara sains dan spiritualitas.
- Robbie Barrat - Artis yang bekerja dengan AI yang berusia 19 tahun dan bekerja di laboratorium penelitian di Stanford.
- Janelle Shane - Ilmuwan Riset di bidang optik. Bermain dengan jaringan saraf.
- Daniel Shiffman - Sumber terhebat tentang topik apa pun tentang pengkodean kreatif untuk pemula.
- Samim - Saat ini bekerja untuk Google. Desainer & Pesulap Kode. Pembelajaran Mesin, Interaksi Flora-Fauna-Manusia-Komputer.
- Luba Elliott - Kurator, peneliti, penyelenggara beberapa acara AI yang kreatif.
- Nao Tokui - Menjalankan laboratorium kreatif, Qosmo, di Tokyo. Dia adalah pencipta proyek "AI DJ".
- Sofia Crespo - Seorang seniman yang bermain-main dengan botani, mikroskop, dan jaringan saraf.
- Anna Ridler - Seorang seniman yang berspesialisasi dalam pembelajaran mesin dan menggambar.
- Rebecca Fiebrink - Pencipta The Wekinator (alat pembelajaran mesin interaktif).
- Sofia Crespo - Seorang seniman yang tinggal di Berlin. Karyanya seputar mikroskop, memetika, botani, dan jaringan saraf.
Proyek
Visual
- Belajar melihat - ?️ Jaringan saraf tiruan membuat prediksi berdasarkan input webcam langsung, mencoba memahami apa yang dilihatnya, dalam konteks apa yang dilihatnya sebelumnya. Ia hanya dapat melihat apa yang telah diketahuinya, sama seperti kita.
- seni-DCGAN - ? Implementasi DCGAN yang dimodifikasi berfokus pada seni generatif.
- Transfer Gaya Cepat - ⚡ Contoh yang sangat mudah untuk transfer gaya real-time yang cepat di browser.
- Data Kotor - ? Apa yang terjadi jika Anda menggunakan data 'kotor'? Apakah jaringan mempelajari sesuatu? Jika ya, apa yang dipelajarinya? Adakah hal menarik yang bisa kita dapatkan darinya?
- Semua Orang Menari Sekarang - ? segera pindahkan siapa pun menjadi penari profesional.
- Jatuhnya Rumah Usher - ? Animasi 12 menit. Eash masih dihasilkan oleh jaringan saraf (pix2pix) yang dilatih pada gambar tinta seniman.
- Apa yang saya lihat sebelum kegelapan - Jaringan saraf membayangkan seseorang. Kemudian, satu per satu, neuron di jaringan dimatikan...
- Orientasi Menggambar
- neural-style-pt - Implementasi transfer gaya PyTorch. Mudah dipasang, berjalan di semua sistem operasi, memiliki panduan wiki yang luas, skrip pendamping, dan model saraf lainnya.
Musik
- Magenta - Sebuah proyek penelitian sumber terbuka yang mengeksplorasi peran pembelajaran mesin sebagai alat dalam proses kreatif.
- Mesin Drum Tak Terbatas - ? Ribuan suara sehari-hari, disusun menggunakan pembelajaran mesin.
- rap-jaringan saraf - ? Jaringan saraf berulang yang menulis lagu rap dilatih pada seluruh diskografi Kanye West.
- Kocok Blender - ? Padukan irama menggunakan pembelajaran mesin untuk menciptakan musik dengan cara baru yang menyenangkan.
- Pengaduk Melodi - ? Cara menyenangkan untuk menjelajahi musik menggunakan pembelajaran mesin.
- Kinerja RNN - ? Performa real-time oleh jaringan saraf berulang (RNN) di browser.
- Beatbox Neural - ? Gerasi ritme + klasifikasi audio berbasis RNN = menyenangkan!
- AI DJ - ? Pertunjukan langsung yang menampilkan DJ Kecerdasan Buatan (AI) yang bermain bersama DJ manusia. Ia memenangkan Penghargaan “Honorary Mentions” di Prix Ars Electronica 2018.
- Penyortiran - Sebuah permainan berdasarkan algoritma pembelajaran mesin musik yang dapat menginterpolasi melodi yang berbeda. Pemain harus mendengarkan musik untuk mengetahui urutan yang tepat, atau "mengurutkan" lagunya.
- RUNN - Sebuah permainan berdasarkan algoritma pembelajaran mesin musik yang dapat menghasilkan melodi. Pemain harus menyelesaikan permainan side-scrolling untuk mendengarkan lagu selengkapnya.
- Jazz RNN - Dengarkan jazz yang dibuat oleh suatu algoritma.
Teks
- Resep yang Dihasilkan
- Fiksi Kreatif GPT-3 - Penulisan kreatif dengan model GPT-3 OpenAI, mendemonstrasikan puisi, dialog, permainan kata-kata, parodi sastra, dan bercerita.
Interaktif
- Wekinator - Memungkinkan siapa saja menggunakan pembelajaran mesin untuk membuat alat musik baru, pengontrol permainan gestur, visi komputer atau sistem pendengaran komputer, dan banyak lagi. Ini gratis dan sumber terbuka.
Lain-lain
- Pembelajaran Mesin untuk Kreativitas dan Desain 2019
- Pembelajaran Mesin untuk Kreativitas dan Desain, Lokakarya NeurIPS 2018 - ???? Ini menampilkan 35 makalah tentang seni pembelajaran mahcine, termasuk berbagai disiplin ilmu yang berbeda.
- Runway - Ini adalah perangkat yang menambahkan kemampuan kecerdasan buatan pada desain dan platform kreatif.
- Perangkap Otonom 001 - artis menggunakan sihir ritual untuk menjebak mobil yang bisa mengemudi sendiri.
- Generator Baru Palsu - Model ini dapat menghasilkan teks yang hampir bermakna dari judul apa pun.
Artikel dan Pembicaraan
- Pembelajaran mesin untuk seniman (alias ml4a) (Gene Kogan) - Artikel ini membandingkan kemunculan ML dalam seni seperti halnya CV di awal tahun 2000-an.
- Artis dan Kecerdasan Mesin - Sebuah program di Google yang menyatukan seniman dan insinyur untuk merealisasikan proyek menggunakan Kecerdasan Mesin.
- MusicVAE: Membuat palet untuk partitur musik dengan pembelajaran mesin
- Menghasilkan Pola Abstrak dengan TensorFlow
- BBC Sounds: Seni dan kecerdasan buatan - Lukisan model GAN dijual seharga $432.500 USD dalam lelang (CATATAN: kode asli ditulis oleh Robbie Barrat, The Verge). Pembicaraan tersebut diikuti oleh Mario Klingemann dan Anna Ridler.
- Seni AI Di Christie's Bukan Apa yang Anda Pikirkan - Jason Bailey mewawancarai Huge from Obvious dan Robbie Barrat untuk menyelidiki lebih jauh lelang kontroversial Christie.
- Cara Kerja Musik Generatif: Sebuah Perspektif - Ini adalah situs web yang menjelaskan musik generatif secara interaktif.
Sumber Belajar
Pemula
- TensorFlow.js - Kecerdasan dan Pembelajaran (Kereta Coding)
- Pembelajaran Mesin dengan TensorFlow, ml5.js, dan Spell (The Coding Train)
- Panduan Pemula untuk Pembelajaran Mesin dalam JavaScript (The Coding Train)
Sedang
- Mesin Pembelajaran - Diajarkan oleh Patrick Hebron di NYU/ITP, Musim Gugur 2017.
- Pembelajaran Mesin untuk Musisi dan Artis (Rebecca Fiebrink)
- ml4a (Pembelajaran Mesin untuk Artis)
- The Neural Aesthetic @ ITP-NYU, Musim Gugur 2018 - Kursus luar biasa oleh Gene Kogna. Penuh dengan materi terbuka tentang seni pembelajaran mesin.
Ditambahkan
- Transfer Gaya Neural: Membuat Karya Seni dengan Pembelajaran Mendalam menggunakan tf.keras dan eksekusi yang bersemangat
- Penerapan Kreatif Pembelajaran Mendalam dengan TensorFlow (Parag Mital)
- cs231n - Catatan menyertai kelas Ilmu Komputer Stanford CS231n (Jaringan Syaraf Konvolusional untuk Pengenalan Visual).
Perpustakaan
- tensorflow.js - ⚡ Pustaka JavaScript untuk melatih dan menerapkan model ML di browser dan di Node.js.
- ml5.js - ? ? Hal ini bertujuan untuk membuat pembelajaran mesin dapat didekati oleh khalayak luas yang terdiri dari seniman, pembuat kode kreatif, dan pelajar.
- p5.js - ? ? p5.js adalah platform JS sisi klien yang memberdayakan seniman, desainer, pelajar, dan siapa saja untuk belajar membuat kode dan mengekspresikan diri secara kreatif di web.
TODO
- serat luar biasa
- tambahkan gambar profil repo ini
- tambahkan bagian "Untuk Non-Pemrogram".
Menyumbang
Kontribusi diterima! Baca pedoman kontribusi terlebih dahulu.
Lisensi
Konten proyek ini sendiri dilisensikan di bawah lisensi Creative Commons Attribution 3.0.