很棒的机器学习艺术
？ ？ ？通过机器学习创作艺术（包括音乐）的精彩项目、作品、人物、文章和资源的精选列表。
内容
值得关注的人
- Tero Parviainen - 软件开发人员、音乐黑客和作家。在 Creative.ai 构建未来的设计工具。
- Gene Kogan - 发起 ml4a 的艺术家和程序员。
- 大トロ(hardmaru) - 东京 Google Brain 的研究科学家。
- Douglas Eck - Magenta、Google Brain 的领导者。
- Adam Roberts - Google Brain 的 Magenta 音乐研究员。
- Kyle McDonald - 一位使用代码的艺术家。他是 openFrameworks 的贡献者。
- Mario Klingemann - 艺术家、神经学家、编码员、数据收集员、档案管理员、驻场艺术家@googleart。
- Memo Akten - 艺术家、研究员和哲学家，以计算为媒介，受到科学和灵性交叉点的启发。
- Robbie Barrat - 19 岁的人工智能艺术家，在斯坦福大学的一个研究实验室工作。
- Janelle Shane - 光学研究科学家。玩神经网络。
- Daniel Shiffman - 有关初学者创意编码的所有主题的最佳来源。
- Samim - 目前在 Google 工作。设计师和代码魔术师。机器学习、动植物人机交互。
- Luba Elliott - 策展人、研究员、多个创意人工智能活动的组织者。
- Nao Tokui - 在东京经营一家创意实验室 Qosmo。他是“AI DJ”项目的创始人。
- Sofia Crespo - 一位致力于植物学、显微镜和神经网络的艺术家。
- Anna Ridler - 一位专门从事机器学习和绘画的艺术家。
- Rebecca Fiebrink - The Wekinator（交互式机器学习工具）的创建者。
- Sofia Crespo - 一位居住在柏林的艺术家。她的作品围绕显微镜、模因学、植物学和神经网络。
项目
视觉的
- 学习观察 - ?️ 人工神经网络对实时网络摄像头输入进行预测，尝试根据之前所看到的内容理解所看到的内容。它只能看到它已经知道的东西，就像我们一样。
- 艺术-DCGAN - ？ DCGAN 的修改实现侧重于生成艺术。
- 快速样式传输 - ⚡ 在浏览器中快速实时样式传输的极其简单的示例。
- 脏数据 - ？当您使用“脏”数据时会发生什么？网络能学到东西吗？如果是这样，它学到什么？我们能从中得到什么有趣的东西吗？
- 现在每个人都跳舞 - ？立即将任何人转为专业舞者。
- 厄舍楼的陷落 - ？ 12分钟动画。 Eash 静止图像是由根据艺术家的水墨画训练的神经网络 (pix2pix) 生成的。
- 我在黑暗之前所看到的——神经网络想象了一个人。然后，网络中的神经元被一一关闭……
- 绘图方向
- neural-style-pt - PyTorch 风格的传输实现。易于安装，可在所有操作系统上运行，具有广泛的 wiki 指南、配套脚本和其他神经模型。
音乐
- Magenta - 一个开源研究项目，探索机器学习作为创作过程中的工具的作用。
- 无限鼓机 - ？使用机器学习组织的数千种日常声音。
- 说唱神经网络 - ？说唱歌曲创作循环神经网络在 Kanye West 的整个唱片上进行训练。
- 击败搅拌机 - ？使用机器学习混合节拍，以有趣的新方式创作音乐。
- 旋律混合器 - ？使用机器学习探索音乐的有趣方式。
- 性能 RNN - ?浏览器中循环神经网络 (RNN) 的实时性能。
- 神经 Beatbox - ？基于 RNN 的节奏生成 + 音频分类 = 有趣！
- 人工智能 DJ - ？人工智能 (AI) DJ 与人类 DJ 一起演奏的现场表演。它在 2018 年电子艺术大奖上获得了“荣誉奖”。
- Sorting - 一款基于音乐机器学习算法的游戏，可以插入不同的旋律。玩家必须听音乐才能找到正确的顺序，或者“排序”歌曲。
- RUNN - 一款基于音乐机器学习算法的游戏，可以生成旋律。玩家必须完成横向卷轴游戏才能听到完整的歌曲。
- Jazz RNN - 聆听算法创建的爵士乐。
文本
- 生成的食谱
- GPT-3 创意小说 - 使用 OpenAI 的 GPT-3 模型进行创意写作，展示诗歌、对话、双关语、文学模仿和讲故事。
交互的
- Wekinator - 它允许任何人使用机器学习来构建新的乐器、手势游戏控制器、计算机视觉或计算机聆听系统等等。它是免费且开源的。
杂项
- 2019 年机器学习创意与设计
- 机器学习促进创造力和设计，NeurIPS 2018 研讨会 - ????它包含 35 篇关于机器学习艺术的论文，涵盖广泛的不同学科。
- Runway - 它是一个为设计和创意平台添加人工智能功能的工具包。
- 自动陷阱 001 - 艺术家使用仪式魔法来陷阱自动驾驶汽车。
- 假新生成器 - 该模型可以从任何标题生成几乎有意义的文本。
文章和演讲
- 艺术家机器学习（又名 ml4a）（Gene Kogan） - 本文将艺术中 ML 的兴起与 2000 年代初的 CV 进行比较。
- 艺术家和机器智能 - Google 的一项计划，将艺术家和工程师聚集在一起，利用机器智能实现项目。
- MusicVAE：通过机器学习创建乐谱调色板
- 使用 TensorFlow 生成抽象模式
- BBC Sounds：艺术与人工智能 - GAN 模型的一幅画在拍卖中以 432,500 美元的价格售出（注：原始代码由 The Verge 的 Robbie Barrat 编写）。马里奥·克林格曼 (Mario Klingemann) 和安娜·里德勒 (Anna Ridler) 也参加了此次演讲。
- 佳士得的人工智能艺术并非如您所想 - Jason Bailey 采访了 Obvious 的 Huge 和 Robbie Barrat，以进一步调查备受争议的佳士得拍卖。
- 生成音乐的工作原理：视角 - 这是一个以交互方式描述生成音乐的网站。
学习资源
初学者
- TensorFlow.js - 智能和学习（编码列车）
- 使用 TensorFlow、ml5.js 和 Spell 进行机器学习（编码列车）
- JavaScript 机器学习初学者指南（编码列车）
中等的
- 学习机器 - 由 Patrick Hebron 在纽约大学/ITP 教授，2017 年秋季。
- 音乐家和艺术家的机器学习（Rebecca Fiebrink）
- ml4a（艺术家机器学习）
- The Neural Aesthetic @ ITP-NYU，2018 年秋季 - Gene Kogna 的精彩课程。它充满了有关机器学习艺术的开放材料。
高级
- 神经风格迁移：使用 tf.keras 和 eager execution 通过深度学习创造艺术
- TensorFlow 深度学习的创造性应用 (Parag Mital)
- cs231n - 斯坦福计算机科学课程 CS231n（用于视觉识别的卷积神经网络）随附的笔记。
图书馆
- tensorflow.js - 一个 JavaScript 库，用于在浏览器和 Node.js 上训练和部署 ML 模型。
- ml5.js - ？ ？它的目标是让机器学习能够为广大艺术家、创意程序员和学生所接受。
- p5.js - ？ ？ p5.js 是一个客户端 JS 平台，使艺术家、设计师、学生和任何人都能学习编码并在网络上创造性地表达自己。
待办事项
- 很棒的皮棉
- 添加此存储库的个人资料图片
- 添加“对于非程序员”部分
贡献
欢迎投稿！首先阅读贡献指南。
执照
该项目本身的内容已根据 Creative Commons Attribution 3.0 许可证获得许可。
