繪畫作為璀璨的藝術種類中的第一藝術，自從 32000 年前法國巖洞發現痕跡開始，一直散發著自身奪目的光彩。傳統繪畫依靠手工作畫的形式，誕生出了無數偉大的藝術家，繪畫的型別也得到了極大的豐富，人類藝術文明的寶庫愈發堅實。但隨著科技的發展，逐漸衍生出了依靠人工智慧進行繪畫創作的形式，傳統繪畫的疆域被逐步拓寬，人們對於這種嶄新的不同尋常的「畫家」也有了不同的思考。目前，智慧繪畫相關技術以機器臂繪畫和計算機繪畫的方式在繪畫輔助、藝術鑑賞、家居裝飾、藝術設計、美圖自拍等場景逐步實現了應用落地和商業化。

作者 | 王雪琪，樊曉芳

一、繪畫簡介

1.1 繪畫概念

繪畫是人類以一個表面作為支撐面，再在其之上加上顏色的做法。這些表面可以是紙張、布、木材、玻璃、混泥土等多種可上色的材料，上色工具可是畫筆、噴霧器、刷子、海綿或是布條等。

隨著現代計算機技術與電子畫筆等繪畫配件功能的不斷升級，更多漫畫、廣告製作、網頁製作、服裝設計、工業設計、建築設計、遊戲CG、影視CG從業者會使用計算機繪畫軟體進行作畫。計算機繪畫最大的優點是顏色處理真實、細膩、可控，同時便於修改、變形、變色、複製、傳輸、印刷。

1.2 繪畫構成元素：

1）形體：點、線、面、體；

2）明暗：表現體積感；

3）色彩：固有色與條件色結合；

4）空間：用焦點透視、成角透視、空氣透視、散點構圖、意向空間等方式用於表現空間；

5）材質：物質材料；

6）肌理：表面紋理，筆觸表現。

1.3 繪畫分類：可按多種方法進行分類。一個畫種可同時屬於不同分類的多個畫種。

1）繪畫媒介：油畫、水彩畫、水墨畫、水粉畫、丙烯畫、畫素畫、版畫、壁畫、帛畫等；

2）題材：風景畫、靜物畫、人物畫（人體話、肖像畫、自畫像、誇飾畫）；

3）文化流派：中國畫（寫意畫、工筆畫、白描畫）、西洋畫（現實主義、印象派、野獸派、立體主義、達達主義、表現主義、超現實主義、抽象表現主義、極簡主義抽象派、波普主義……）、印度繪畫、日本畫（浮世繪）；

4）形式：素描、寫生、速寫、漫畫、插畫。

1.4 繪畫流程：構圖→起型→搭框架→界定陰暗面→深層次刻畫→整體調整

二、智慧繪畫簡介

2.1 智慧繪畫發展概況

18 世紀 70 年代，瑞士出現了最早的繪畫機械臂。2015 年，谷歌開源了用於對演算法工作原理進行視覺化呈現的演算法 DeepDream，後該演算法因具備類似抽象化派的創造能力，被藝術工作者與科技愛好者用於生成一些奇特、頗具藝術感的影象。2016 年，谷歌與非盈利機構在舊金山舉行了一場慈善拍賣，29 幅人工智慧繪畫作品一共籌得 97605 美元，其中最貴的一幅拍出了 8000 美元。

2018 年 7 月，由網際網路創業家 Andrew Conru 舉辦的第三屆機器人藝術比賽 RobotArt，全球 19 個機器人團隊共提交 100 多幅作品，最後機器人 CloudPainter 使用機器學習重新詮釋的塞尚的印象派畫作獲得冠軍。

2018 年 10 月，由法國科技藝術組織 Obvious 使用 GAN 模型創作的作品《Edmond de Belamy》在紐約拍出 43.25 萬美元（約 300 萬人民幣）天價，該組織使用了 15000 張 14 世紀到 20 世紀之間創作的人物畫像對 GAN 模型進行訓練。

2019 年 7 月，微軟人工智慧「少女畫家小冰」，在歷經 22 個月的「學畫」之後，獨立完成的七八十幅 100% 原創繪畫作品，並在中央美術學院美術館進行展出。

2.2 智慧繪畫方法及流程

1）計算機繪畫：繪畫作品資料學習（內容描述、美學評價詞、繪畫流派）→資料整理→生成繪畫模型（生成式模型，例如常用生成式對抗網路GAN）→繪畫（畫作內容生成、美學效果生成、繪畫流派生成、繪畫過程展現）；

2）機器臂繪畫：應用機械臂和影象處理、路徑規劃演算法，使用同步模仿、眼動儀或聯網模仿的方式蒐集人類畫家繪畫時的行為資料，將其轉化成可以驅動機器臂運動的包括機器臂畫筆更換、蘸取顏料、筆觸深重、筆跡深淺等行為的指令，設定好機械裝置和程式演算法，讓機械臂執行由事先設定好的演算法驅動裝置，模仿人類一筆一劃的真實繪畫行為進行作畫。或直接使用人類畫作資料訓練，讓機器臂噴墨生成類似人類畫作的畫作。

三、智慧繪畫主要應用場景、代表機構及產品/解決方案、作品

四、智慧繪畫代表機構及其產品/解決方案與應用案例

谷歌——線上繪畫工具AutoDraw：用影象識別、機器學習技術將個人塗鴉簡筆畫轉化為具體可以區配的物體，幫助完成化作。

英偉達——影象建立演算法GauGAN：英偉達在 GTC 2019 大會推出 GauGAN，通過對一百萬張影象的訓練，該工具軟體能基於生成對抗性網路，將潦草的幾行線條在幾秒內變為壯觀的實景圖片。目前，GauGAN 有三種工具：油漆桶，鋼筆和鉛筆，螢幕底部是一系列輸出物件。使用者只需繪製自己的分割圖並生成場景，用沙子，天空，海洋或雪等標籤標記每個部分,深度學習模型將填充景觀。修改也非常簡單，比如將片段標籤從“草”交換為“雪”，整個影象就將變為冬季場景，以前的綠葉樹也隨之變化。可以成為從建築師和城市規劃者到景觀設計師再到遊戲開發者的每個人建立虛擬世界提供強大的工具，通過人工智慧，這些專業人員可以更好地製作想法原型並快速更改這些場景。

馬里蘭大學和Adobe——機器學習系統LPaintB：系統通過自我監督學習，將未標記的資料與少量標記資料結合使用，在不到一分鐘的時間內，根據有限的影象資料，生成達芬奇、梵高、維梅爾風格的畫作。團隊通過對系統的動作狀態(即畫筆的配置，如長度、方向和畫筆的大小)進行數學建模，並將失敗的目標狀態替換為最終狀態，生成了一個帶有正面獎勵的配對語料庫，並將其提供給人工智慧模型，使其學會以期望的藝術風格繪製參考影象。該模型能夠在一臺裝有16核處理器和英偉達GTX 1080晶片的電腦上，在不到一分鐘的時間內，以2萬筆畫製作出畫素為1000x800的影象。

清華大學——人工智慧作畫系統AI Painting：2017年該系統已經可以利用搜索引擎得到畫作內容，根據美學風格（Aesthetic Style）、色彩搭配（Color Theme）、構圖方法（如三分構圖、對角線原理）等因素，來重新調整作畫風格，還可以通過選擇不同流派（印象派、新印象派、後印象派、抽象派、至上派、中國水墨畫等）來改變筆觸等作畫細節。未來還希望將利用海量的網際網路資料，通過GAN網路建立文字內容與影象內容之間的聯絡，來自動生成作畫內容。

阿里巴巴智慧設計實驗室——智慧廣告設計系統“鹿班”（原“魯班”）：該系統能基於演算法和大資料，根據使用者的行為和偏好，智慧生成並投放廣告，為使用者做大規模的、個性化的商品推薦。手機淘寶首頁焦點圖片就是由機器生成的，還會根據使用者點選結果自動調整。因為一張廣告設計圖片是畫素組成的“資訊”，利用機器把商品、文字和設計主題進行線上合成，這樣每張廣告圖片就帶上了商品資訊，可以根據消費者偏好進行個性化設計。2017年，魯班智慧設計師在雙 11 期間為阿里繪製了 4.1 億張各不相同的個性化廣告圖。

美圖——繪畫機器人Andy：2017年美圖公佈了美圖影像實驗室MTlab的2個人工智慧技術成果：繪畫機器人Andy和機器重建圖片技術。其中，繪畫機器人Andy的實現需要的技術包括MTlab的人臉技術（MTface）、影象分割技術（MTsegmentation）、影像生成技術（MTgeneration）。影像生成技術核心是基於MTlab自主研發搭建的生成網路Draw Net，通過大資料和深度學習，Draw Net可以構建繪畫模型，這些模型包括大到構圖、小到筆觸的不同層面的藝術風格和繪製規則。

五、智慧繪畫中人工智慧技術應用侷限性

1. 機器的情感分析、理解能力較弱。

2. 機器學習能力有限，面對較抽象的畫作，可能生產出偏離客觀事實的作品。

3. 不同領域的繪畫作品難以滿足不同受眾的需求。

4. 人工智慧畫作會使人類藝術創造的價值降低。

5. 部分觀點認為人工智慧畫作不能算作藝術品。

6. 人工智慧畫作不具有藝術情緒。

六、智慧繪畫產業發展趨勢

1. 通過演算法設計模擬更完美的筆觸效果。

2. 設計更具有藝術表現力的智慧繪畫系統。

3. 通過線上實時運算和離線精準數值計算的混合模擬達到更符合事實的繪畫效果。

4. 通過色彩平衡與演算法矯正對次生的閃爍損傷進行演算法修護，使色彩飽滿、色調統一。

5. 針對使用者個性化習慣進行自適應調整。

6. 通過智慧繪畫啟發更多藝術家的創作靈感。

7. 推進傳統手繪與人工智慧繪畫，兩者揚長避短，互為補充。

8. 風格遷移演算法模型與引數需要進行優化設定。

9. 面向互動式電子書畫創作的演算法研究和與相關軟體平臺的研製。

10. 由靜止的圖畫向運動的動畫等形式發展。