English(EN) Opt-In Art: Learning Art Styles Only from Few Examples

AI 仅从少量示例中学习艺术风格，无需预先的艺术数据

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-17 04:00

研究人员开发了一种方法，可以仅使用少量示例来训练文本到图像模型生成艺术风格，而无需在包含绘画的数据集上进行预训练。该研究表明，即使仅在照片上训练过的模型，也可以通过有限的数据适应艺术风格，其表现与在大量艺术数据集上训练过的模型相当。这表明，即使没有事先接触过艺术内容，也可以通过精心挑选的训练示例进行受控的、选择性的方法来实现高质量的艺术输出。 AI

影响这项研究可能使 AI 艺术生成更加高效和易于访问，从而可能降低创建风格化图像的门槛。

排序理由这是一篇详细介绍 AI 模型训练新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇详细介绍 AI 模型训练新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Hui Ren, Joanna Materzynska, Rohit Gandikota, Giannis Daras, David Bau, Antonio Torralba · 2026-09-17 04:00

选择性艺术：仅从少量示例中学习艺术风格

arXiv:2412.00176v4 Announce Type: replace Abstract: We explore whether pre-training on datasets with paintings is necessary for a model to learn an artistic style with only a few examples. To investigate this, we train a text-to-image model exclusively on photographs, without acc…

本文如何被排名

报道来源 [1]

选择性艺术：仅从少量示例中学习艺术风格

相关实体

相关话题