基于人工智能的计算机辅助数字媒体艺术创作

贾磊

摘  要：在信息技术的推动下，人工智能（AI）逐渐成为现代社会的重要标志。在数字媒体艺术创作中，人工智能具有独特的优势，可以帮助艺术家创作出更好的作品。该研究旨在研究基于人工智能计算机辅助技术的数字媒体艺术创作，分析数字媒体艺术与人工智能相结合的可能性，并探讨人工智能与数字媒体艺术创作相结合的积极作用。提出一种基于人工智能的支持向量机（SVM）算法，并对基于人工智能的计算机辅助数字媒体艺术创作进行实验分析。

关键词：人工智能；计算机；数字媒体；支持向量机；实验分析

中图分类号：TP391.41      文献标志码：A          文章编号：2095-2945（2024）17-0059-04

Abstract： With the promotion of information technology， artificial intelligence （AI） has gradually become an important symbol of modern society. In the creation of digital media art， artificial intelligence has unique advantages and can help artists create better works. The purpose of this study is to study the artistic creation of digital media based on artificial intelligence computer-aided technology. This study analyzes the possibility of combining digital media art with artificial intelligence， and discusses the positive role of the combination of artificial intelligence and digital media art creation. A support vector machine（SVM） algorithm based on artificial intelligence is proposed， and an experimental analysis of computer-aided digital media art creation based on artificial intelligence is carried out.

Keywords： artificial intelligence; computer; digital media; support vector machine; experimental analysis

随着科学技术的发展，传统艺术形式越来越少。虽然现有的数字媒体艺术形式多样，但由于艺术家不了解技术和市场需求，导致存在表现形式单一、缺乏生命力、艺术性不足等问题[1]。当前，人工智能（AI）已逐渐成为现代社会的重要标志。随着科学技术的不断发展，计算机辅助艺术创作逐渐成为艺术家实现创作和创新的重要手段。计算机技术可以帮助艺术家实现艺术创作[2]。而基于人工智能的数字媒体艺术是现代文化创新发展的新方向，在人工智能领域具有广阔的发展前景和应用前景[3]。因此，在科技发展的大背景下，充分利用计算机技术对数字媒体艺术创作进行创新和完善是十分必要的。

在当代，数字媒体艺术创作活动与传统艺术创作方式的界限已经逐渐模糊。同时，随着数字技术的发展和智能时代的到来，人类社会将逐步进入信息时代，也将进入艺术时代[4]。人工智能技术的突破必将推动社会经济的进步与发展，也将为未来人类社会的发展带来新的可能[5]。在信息时代背景下，智能创作成为人工智能与数字媒体艺术结合衍生出的一种新的创作方式[6]。随着科学技术的发展，计算机技术在数字媒体艺术创作中的应用日益广泛，人工智能为数字媒体艺术带来了新的活力[7]。因此，计算机辅助数字媒体艺术创作在未来社会发展过程中将具有重要意义。

为解决数字媒体艺术表现形式单一、缺乏生命力、艺术性不足等问题，本文提出了基于人工智能的支持向量机（SVM）算法，以拓展创作者的想象空间。探讨了数字媒体技术的公共艺术表现形式，分析了数字媒体艺术与人工智能技术结合的优势。在此基础上，设计了基于人工智能的计算机辅助数字媒体艺术创作模拟实验。

1  基于人工智能的计算机辅助方法

基于人工智能的支持向量机（SVM）是一种能够解决非线性和高维问题的机器学习算法，是解决分类问题的一种有效方法。将SVM应用于图像分析、图像识别、模式识别等领域也具有重要意义[8]。此外，SVM对非线性问题具有较强的处理能力。

对于在数字媒体艺术中创造高维图像，支持向量机可以提供很好的帮助。为了求解一个非线性问题，可以将其转化为另一个空间中的线性问题，并在该空间中得到最优或广义的最优分类[9]。由于超平面优化分类方法的特点，该方法只需要进行内积运算。如果利用原始空间变量可以直接得到变换空间的内积，那么即使变换空间的维数大大增加，优化后的超平面问题的计算量也不会增加。

本文利用非线性映射ω（·）Tf→Tfj。该方法使用空间的内部乘积，即ω（c0），ω（ck），并且没有独立的ω（·）。因此，可以找到一个函数

因此，在高维空间中，只需要内积操作。内积运算可以使用原始空间的一个函数来完成，而不考虑特定的非线性映射ω（·）T f→T fj。

如果定义了转换后的内积操作，则不需要进行这样的转换。统计学理论指出，如果一个核函数L（c，c'）满足Mercer条件，则可以作为内积。Mercer条件：对于任何对称函数L（c，c'），是特征空间内内积运行的充要条件。对于任何ω（c）≠0和∫w2（c）dc<∞，均有

在最优分类表中，如果将点积更改为L（c，c'），则将原始特征空间转换为一个新的特征空间。最优函数变为

则判别函数为

该算法的其他条件保持不变，因此为二类分类SVM。SVM的分类函数类似于神经网络。其输出由几个中间节点的线性组合而成。第一个节点对应于输入样本和支持向量的内积。因此，也被称为支持向量网络。使用不同的内积函数生成不同的SVM算法。内积函数主要有3种类型。

1）采用一个多项式形式的核函数，即

2）采用径向基核函数，即

所得到的SVM是一种基于径向基函数的分类方法。其基函数的中心对应于支持向量，该算法可以自动计算出其输出权重。

3）用一个s型核函数作为内积，即

SVM是一个多层感知器神经网络，其不仅有一个权值，而且可以根据算法自动确定网络中隐藏节点的数量，从而为数字媒体艺术的创造者提供一个更广阔的思路。

2  计算机辅助数码媒体艺术创作的实验结果

2.1  试验设计

数字媒体艺术不仅是一种传统艺术形式，也是以计算机数字技术为基础的多种媒体艺术形式。由于数字媒体使用统一的数字工具和技术语言，数字媒体的基本表现要素是相互关联的。为了更好地探索基于人工智能的计算机辅助数字媒体艺术创作的效果，本研究选取了6件数字媒体艺术作品进行创作（图1）。其中，3件作品（A、B、C）采用基于人工智能的计算机辅助技术进行创作，另外3件作品（D、E、F）采用传统技术进行创作。最后，8位艺术创作专家从数字媒体艺术表现元素的5个方面：数字动画、数字音效、数字特技、数字质感、数字色彩对6件作品进行了评分，满分为100分。

2.2  数字动画

在计算机动画中，可以利用计算机上的虚拟摄像机实现动作的表现，也可以根据艺术家自己的意愿自由地制作动作。数字动画的核心技术主要体现在计算机动画的软件和硬件上，而动画的动态效果则取决于计算机动画软件和硬件的差异。

虚拟摄像机可以从不同角度进行拍摄，从而使摄像机的动作更加灵活自由。真实场景中的摄像机在位置、方向、角度和焦距等方面有多种变化，从而形成各种动态图像。虚拟摄像机也有位置、方向、角度和焦距等变化。但二者的区别在于，虚拟摄像机的变化完全取决于计算机的操作，这就使其超越了物理实体的限制，达到了真正的自由度。通常物理摄像机很难旋转180°。但在计算机中，可以360°无死角旋转。此外，复杂的计算机算法可用于在计算机上随意创建动作。因此，数字动画有了一种新的动态形式。图2（a）为基于人工智能的计算机辅助技术，图2（b）为传统人工制作技术。

在基于人工智能计算机辅助技术的创作中，艺术作品A、B 和 C 的数字动画得分在80分至90分之间。其中，作品A的平均得分为84.8 分，作品B的平均得分为 82.6 分，作品 C 的平均得分为85.1分。在使用传统技术创作的情况下，艺术作品D、E和F的数字动态得分介于60分和70分之间。其中，D作品的平均得分为64.6 分，E作品的平均得分为64.4 分，F作品的平均得分为64.8 分。基于人工智能计算机辅助技术创作的作品的数字动画表现出了人们从未体验过的动作，给人们带来了更自由的空间表现方式，从而提高了艺术的时间和空间表现力。

2.3  数字音频效果

声音是电影艺术传播的另一个组成部分，其艺术魅力不亚于影像。声音蕴含着人类的语言。利用声学的形态，影视作品可以呈现出更为复杂的时空结构，从而增强画面的时空联系，丰富画面的空间层次和内涵。声音还可以成为表达人物情感的自由因素，使影视作品表现出更多的内心活动，从而使人物的个性更加丰富，情感更加细腻。如今，随着高科技的发展，音频的制作已经进入了数字化时代，声音数字化的趋势也已经开始。

数字音频的处理是对模拟声音信号进行采样、量化并转换成数字信号。模拟音频信号的连续时间分散是通过采样完成的，而连续幅度则是通过量化完成的。因此，数字音频的质量一般由2个参数来表示，即采样频率和量化数字。采样频率基于奈奎斯特原理。采样频率不应低于最大频率的2倍，这样才能将数字音频还原为原始声音。随着量化单元数量的增加，音频信号的质量可以得到改善，但需要更多的内存。图3（a）是基于人工智能的计算机辅助技术，图3（b）是传统制作技术。

在基于人工智能计算机辅助技术的创作中，作品A、B和C的数字音频得分介于82分和92分之间。其中，作品A的平均分为87.7分，作品B的平均分为86.9分，作品C的平均分为85.7分。在使用传统制作技术创作的情况下，D、E和F作品的数字音效得分介于61分和71分之间。其中，D作品的平均得分为66.6分，E作品的平均得分为65.4分，F作品的平均得分为68.0分。基于人工智能计算机辅助技术创作的作品数字音效音质好、失真小、信噪比高、动态范围大、声道分离度高。此外，只要在电脑上安装数字音频处理软件，就可以对声音进行录制和处理。在音频数字化的基础上，创作者可以享受到极大的自由度，人们也可以享受到非常震撼的音频效果。

3  结论

基于人工智能的数字媒体艺术创作，是利用计算机技术和人工智能技术，制作和表现数字媒体作品的一种创作。数字媒体艺术是一个年轻、多元、快速发展的艺术领域。而基于人工智能计算机辅助技术创作的作品的数字动画表现出了人们从未体验过的动作，给人们带来了更自由的空间表现方式，从而提高了艺术的时间和空间表现力。

参考文献：

[1] 洪爱莲.新媒体视域下当代舞蹈艺术创作与传播刍论[J].戏剧之家，2023（29）：109-111.

[2] 陈抱阳.从生成式到多智能体的转向的人工智能艺术创作[J].美术研究，2023（5）：109-113.

[3] 姜美雪.“5G+媒体”时代下视觉传达设计的融合趋势[J].丝网印刷，2023（18）：84-86.

[4] 顾亚奇，李笑颖.媒介变革时代的艺术传播学：知识范畴、理论实践与发展路径[J].艺术传播研究，2023（4）：31-42.

[5] 王常圣.人工智能驱动的数字图像艺术创作：方法与案例分析[J].智能科学与技术学报，2023，5（3）：406-414.

[6] 靳紫微.探究人工智能技术对当代图形设计的影响——以Midjourney绘图软件为例[J].大众文艺，2023（16）：32-34.

[7] 张安华.中国传统艺术数智化传播的基本特征、生态嬗变及实践路径[J].南京社会科学，2023（8）：146-155.

[8] 侯梦.数字化塑料模型设计与制作在新媒体艺术中的构建[J].丝网印刷，2023（14）：88-90.

[9] 叶彩仙，胥立军.人工智能生成式AI技术在新媒体艺术中的应用研究[J].科技创新与应用，2023，13（21）：32-35.