绘画作为璀璨的艺术种类中的第一艺术，自从年前法国岩洞发现痕迹开始，一直散发着自身夺目的光彩。传统绘画依靠手工作画的形式，诞生出了无数伟大的艺术家，绘画的类型也得到了极大的丰富，人类艺术文明的宝库愈发坚实。但随着科技的发展，逐渐衍生出了依靠人工智能进行绘画创作的形式，传统绘画的疆域被逐步拓宽，人们对于这种崭新的不同寻常的「画家」也有了不同的思考。目前，智能绘画相关技术以机器臂绘画和计算机绘画的方式在绘画辅助、艺术鉴赏、家居装饰、艺术设计、美图自拍等场景逐步实现了应用落地和商业化。
作者
王雪琪，樊晓芳
一、绘画简介
1.1绘画概念
绘画是人类以一个表面作为支撑面，再在其之上加上颜色的做法。这些表面可以是纸张、布、木材、玻璃、混泥土等多种可上色的材料，上色工具可是画笔、喷雾器、刷子、海绵或是布条等。
随着现代计算机技术与电子画笔等绘画配件功能的不断升级，更多漫画、广告制作、网页制作、服装设计、工业设计、建筑设计、游戏CG、影视CG从业者会使用计算机绘画软件进行作画。计算机绘画最大的优点是颜色处理真实、细腻、可控，同时便于修改、变形、变色、复制、传输、印刷。
1.2绘画构成元素：
1）形体：点、线、面、体；
2）明暗：表现体积感；
3）色彩：固有色与条件色结合；
4）空间：用焦点透视、成角透视、空气透视、散点构图、意向空间等方式用于表现空间；
5）材质：物质材料；
6）肌理：表面纹理，笔触表现。
1.3绘画分类：可按多种方法进行分类。一个画种可同时属于不同分类的多个画种。
1）绘画媒介：油画、水彩画、水墨画、水粉画、丙烯画、像素画、版画、壁画、帛画等；
2）题材：风景画、静物画、人物画（人体话、肖像画、自画像、夸饰画）；
3）文化流派：中国画（写意画、工笔画、白描画）、西洋画（现实主义、印象派、野兽派、立体主义、达达主义、表现主义、超现实主义、抽象表现主义、极简主义抽象派、波普主义……）、印度绘画、日本画（浮世绘）；
4）形式：素描、写生、速写、漫画、插画。
1.4绘画流程：构图→起型→搭框架→界定阴暗面→深层次刻画→整体调整
二、智能绘画简介
2.1智能绘画发展概况
18世纪70年代，瑞士出现了最早的绘画机械臂。年，谷歌开源了用于对算法工作原理进行可视化呈现的算法DeepDream，后该算法因具备类似抽象化派的创造能力，被艺术工作者与科技爱好者用于生成一些奇特、颇具艺术感的图像。年，谷歌与非盈利机构在旧金山举行了一场慈善拍卖，29幅人工智能绘画作品一共筹得美元，其中最贵的一幅拍出了美元。
年7月，由互联网创业家AndrewConru举办的第三届机器人艺术比赛RobotArt，全球19个机器人团队共提交多幅作品，最后机器人CloudPainter使用机器学习重新诠释的塞尚的印象派画作获得冠军。
年10月，由法国科技艺术组织Obvious使用GAN模型创作的作品《EdmonddeBelamy》在纽约拍出43.25万美元（约万人民币）天价，该组织使用了张14世纪到20世纪之间创作的人物画像对GAN模型进行训练。
年7月，微软人工智能「少女画家小冰」，在历经22个月的「学画」之后，独立完成的七八十幅%原创绘画作品，并在中央美术学院美术馆进行展出。
2.2智能绘画方法及流程
1）计算机绘画：绘画作品数据学习（内容描述、美学评价词、绘画流派）→数据整理→生成绘画模型（生成式模型，例如常用生成式对抗网络GAN）→绘画（画作内容生成、美学效果生成、绘画流派生成、绘画过程展现）；
2）机器臂绘画：应用机械臂和图像处理、路径规划算法，使用同步模仿、眼动仪或联网模仿的方式搜集人类画家绘画时的行为数据，将其转化成可以驱动机器臂运动的包括机器臂画笔更换、蘸取颜料、笔触深重、笔迹深浅等行为的指令，设定好机械装置和程序算法，让机械臂运行由事先设定好的算法驱动装置，模仿人类一笔一划的真实绘画行为进行作画。或直接使用人类画作数据训练，让机器臂喷墨生成类似人类画作的画作。
三、智能绘画主要应用场景、代表机构及产品/解决方案、作品
四、智能绘画代表机构及其产品/解决方案与应用案例
谷歌——在线绘画工具AutoDraw：用图像识别、机器学习技术将个人涂鸦简笔画转化为具体可以区配的物体，帮助完成化作。
英伟达——图像创建算法GauGAN：英伟达在GTC大会推出GauGAN，通过对一百万张图像的训练，该工具软件能基于生成对抗性网络，将潦草的几行线条在几秒内变为壮观的实景图片。目前，GauGAN有三种工具：油漆桶，钢笔和铅笔，屏幕底部是一系列输出对象。用户只需绘制自己的分割图并生成场景，用沙子，天空，海洋或雪等标签标记每个部分,深度学习模型将填充景观。修改也非常简单，比如将片段标签从“草”交换为“雪”，整个图像就将变为冬季场景，以前的绿叶树也随之变化。可以成为从建筑师和城市规划者到景观设计师再到游戏开发者的每个人创建虚拟世界提供强大的工具，通过人工智能，这些专业人员可以更好地制作想法原型并快速更改这些场景。
马里兰大学和Adobe——机器学习系统LPaintB：系统通过自我监督学习，将未标记的数据与少量标记数据结合使用，在不到一分钟的时间内，根据有限的图像数据，生成达芬奇、梵高、维梅尔风格的画作。团队通过对系统的动作状态(即画笔的配置，如长度、方向和画笔的大小)进行数学建模，并将失败的目标状态替换为最终状态，生成了一个带有正面奖励的配对语料库，并将其提供给人工智能模型，使其学会以期望的艺术风格绘制参考图像。该模型能够在一台装有16核处理器和英伟达GTX芯片的电脑上，在不到一分钟的时间内，以2万笔画制作出像素为0x的图像。
清华大学——人工智能作画系统AIPainting：年该系统已经可以利用搜索引擎得到画作内容，根据美学风格（AestheticStyle）、色彩搭配（ColorTheme）、构图方法（如三分构图、对角线原理）等因素，来重新调整作画风格，还可以通过选择不同流派（印象派、新印象派、后印象派、抽象派、至上派、中国水墨画等）来改变笔触等作画细节。未来还希望将利用海量的互联网数据，通过GAN网络建立文本内容与图像内容之间的联系，来自动生成作画内容。
阿里巴巴智能设计实验室——智能广告设计系统“鹿班”（原“鲁班”）：该系统能基于算法和大数据，根据用户的行为和偏好，智能生成并投放广告，为用户做大规模的、个性化的商品推荐。手机淘宝首页焦点图片就是由机器生成的，还会根据用户点击结果自动调整。因为一张广告设计图片是像素组成的“信息”，利用机器把商品、文字和设计主题进行在线合成，这样每张广告图片就带上了商品信息，可以根据消费者偏好进行个性化设计。年，鲁班智能设计师在双11期间为阿里绘制了4.1亿张各不相同的个性化广告图。
美图——绘画机器人Andy：年美图公布了美图影像实验室MTlab的2个人工智能技术成果：绘画机器人Andy和机器重建图片技术。其中，绘画机器人Andy的实现需要的技术包括MTlab的人脸技术（MTface）、图像分割技术（MTsegmentation）、影像生成技术（MTgeneration）。影像生成技术核心是基于MTlab自主研发搭建的生成网络DrawNet，通过大数据和深度学习，DrawNet可以构建绘画模型，这些模型包括大到构图、小到笔触的不同层面的艺术风格和绘制规则。
五、智能绘画中人工智能技术应用局限性
1.机器的情感分析、理解能力较弱。
2.机器学习能力有限，面对较抽象的画作，可能生产出偏离客观事实的作品。
3.不同领域的绘画作品难以满足不同受众的需求。
4.人工智能画作会使人类艺术创造的价值降低。
5.部分观点认为人工智能画作不能算作艺术品。
6.人工智能画作不具有艺术情绪。
7.人工智能绘画作品的版权归属模糊。
8.原创度低的绘画模仿易侵权其他作者的作品。
六、智能绘画产业发展趋势
1.通过算法设计模拟更完美的笔触效果。
2.设计更具有艺术表现力的智能绘画系统。
3.通过在线实时运算和离线精准数值计算的混合模拟达到更符合事实的绘画效果。
4.通过色彩平衡与算法矫正对次生的闪烁损伤进行算法修护，使色彩饱满、色调统一。
5.针对用户个性化习惯进行自适应调整。
6.通过智能绘画启发更多艺术家的创作灵感。
7.推进传统手绘与人工智能绘画，两者扬长避短，互为补充。
8.风格迁移算法模型与参数需要进行优化设置。
9.面向交互式电子书画创作的算法研究和与相关软件平台的研制。
10.由静止的图画向运动的动画等形式发展。
*本文为「智周」系列报告「核心版」，相应「深度版」的推出计划将在后续公布，敬请大家