人们发现一些图像比其他图像更具审美吸引力。为了生成人工审美图像，我们必须知道哪些统计特征决定了图片的吸引力，以及如何利用人工神经网络的特定特征来产生有吸引力的图片。

最近 arXiv.org 上的一篇论文试图回答这些问题。

组合模式生成网络用于在不模仿真实图像的情况下生成各种各样的图像。研究人员调查了网络参数如何塑造输出的两点相关性。然后，人类受试者评估生成图像的吸引力。所使用的网络架构能够表示类似于各种自然图像的统计数据。结果表明，人类更喜欢在超过小纹理片段的尺度上具有大相关性的图像。

我们能否在没有自然或人类选择的图像语料库的情况下生成抽象的审美图像?审美图像是否在它们的相关函数中被挑出来?在本文中，我们将回答这些以及更多问题。我们使用具有随机权重和不同架构的组合模式生成网络生成图像。我们证明，即使使用随机选择的权重，相关函数仍然主要由网络架构决定。在一项受控实验中，人类受试者从所有生成图像的大型数据集中挑选出美学图像。统计分析表明，审美图像的相关函数确实不同。