Generation of Vector Images using Evolutionary Algorithms

Abstract

The usage of evolutionary algorithms for generating images has been researched for several decades now. The potential of this approach comes from the creative power of genetic operators and broad possibilities for automated evaluation of solutions. Individuals can be either evolved to resemble an existing image or other criteria such as artistic quality can be employed. Generating vector images to resemble raster models got a lot of attention in past years. It offers several benefits. Such images can be easily scaled without any loss of accuracy. Another advantage is the option to modify individual objects in an image separately. This aspect was, so far, being neglected. We want to reach full potential of evolved images by designing a suitable algorithm. Our method generates vector images similar to given raster model that are easily editable and have an interesting artistic overlap. We developed three techniques which differ in approach to individual representation, genetic operators, evaluation and overall style of results.

Použití evolučních algoritmů pro generování obrázků je zkoumáno už několik desetiletí. Potenciál tohoto přístup spočívá v kreativitě genetických operátorů a širokých možnostech automatického hodnocení řešení. Jedinci mohou být vyvíjeni, aby připomínali existující obrázek nebo mohou být použita jiná kritéria jako například umělecký dojem. Generování vektorových obrázků podle rastrové předlohy bylo v posledních letech věnováno hodně pozornosti. Tento přístup nabízí hned několik výhod. Rozměry vektorových obrázků mohou být snadno změněny bez ztráty přesnosti. Další výhodou je možnost jednoduše upravovat jednotlivé objekty v obrázku. Ta byla při návrhu algoritmů dosud opomíjena. Chceme využít plný potenciál vytvořených obrázků navržením vhodného algoritmu. Naše metoda vytváří vektorové obrázky, které jsou podobné rastrové předloze, mohou být snadno upravované a mají zajímavý umělecký nádech. Vyvinuli jsme tři postupy, které se liší v přístupu k reprezentaci jedinců, genetickým operátorům, vyhodnocení a celkovém stylu výsledků.