{
  "trx_id": "4d77862bc3ce6a744d834217428d65b1ac6a2f5a",
  "block": 106143809,
  "trx_in_block": 0,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2026-05-18T00:33:18",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "7115.479800 VESTS"
    }
  ]
}

{
  "trx_id": "5b583362be2490eaa65af5320209f39fd9d31261",
  "block": 105977189,
  "trx_in_block": 0,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2026-05-12T05:04:30",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "4403.269395 VESTS"
    }
  ]
}

{
  "trx_id": "a124e66ba5cfb6f4274fb9d1d686bd897460f92b",
  "block": 105511453,
  "trx_in_block": 1,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2026-04-25T23:53:45",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "7127.995556 VESTS"
    }
  ]
}

{
  "trx_id": "05ecd21d9fa1f0531dccb3d1ea33b9c677ba9435",
  "block": 102852780,
  "trx_in_block": 0,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2026-01-23T08:36:39",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "4444.816214 VESTS"
    }
  ]
}

{
  "trx_id": "cab34ed156dfa84973c75db5f3dd3a9dd8152692",
  "block": 91299176,
  "trx_in_block": 2,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2024-12-17T03:55:15",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "4609.035411 VESTS"
    }
  ]
}

{
  "trx_id": "50ded3d28ac92c4483706dc5af71eefd72add5df",
  "block": 79853378,
  "trx_in_block": 5,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2023-11-13T19:38:15",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "4778.168943 VESTS"
    }
  ]
}

{
  "trx_id": "60c0138367527604366d2319814d2e892db60c28",
  "block": 78348250,
  "trx_in_block": 4,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2023-09-21T22:11:00",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "7715.447729 VESTS"
    }
  ]
}

{
  "trx_id": "383b50283d965783ad4daa01d634a9ab75a6e1c8",
  "block": 69113536,
  "trx_in_block": 2,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2022-11-03T11:56:00",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "7937.129167 VESTS"
    }
  ]
}

{
  "trx_id": "0b1fee6c981b63f0b21de176fd20a9f2ec96bbde",
  "block": 60809683,
  "trx_in_block": 9,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2022-01-17T11:10:57",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "8157.662398 VESTS"
    }
  ]
}

{
  "trx_id": "215540a397070e100df43a02ce97a35e9304e13a",
  "block": 54608059,
  "trx_in_block": 6,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2021-06-14T01:05:36",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "8341.431056 VESTS"
    }
  ]
}

{
  "trx_id": "53f868f890c26c3791a9f99b2ff4d51716234d8e",
  "block": 49355502,
  "trx_in_block": 10,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2020-12-11T11:23:48",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "8528.853030 VESTS"
    }
  ]
}

{
  "trx_id": "64d34556b045b6d3ee3367c3a60b89b3110c8f87",
  "block": 49207063,
  "trx_in_block": 7,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2020-12-06T05:01:00",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "1912.543513 VESTS"
    }
  ]
}

{
  "trx_id": "eeab04a300eeb66dd13285932d6b16022b4b16fa",
  "block": 49190596,
  "trx_in_block": 2,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2020-12-05T15:01:57",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "8535.060884 VESTS"
    }
  ]
}

{
  "trx_id": "14523912d5dfec4f78c7f987bd95f2b9b2ca43c8",
  "block": 48258479,
  "trx_in_block": 5,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2020-11-02T16:12:57",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "1920.017158 VESTS"
    }
  ]
}

{
  "trx_id": "a1dcef8f934fe4fa512478ab33e9dd6413fa39be",
  "block": 43217313,
  "trx_in_block": 11,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2020-05-09T05:58:36",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "8737.866243 VESTS"
    }
  ]
}

{
  "trx_id": "c7409f47ac29c5b8b37c70ecd635fbb19c7434bc",
  "block": 43193463,
  "trx_in_block": 18,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2020-05-08T09:37:24",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "1953.311140 VESTS"
    }
  ]
}

{
  "trx_id": "bab3bdef27f42187518ccd77219a2f16ab1bd13d",
  "block": 42562742,
  "trx_in_block": 15,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2020-04-15T21:46:15",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "8750.843662 VESTS"
    }
  ]
}

{
  "trx_id": "638059c41cc7fa971920774fca4737aedf94c81a",
  "block": 37552552,
  "trx_in_block": 5,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2019-10-24T03:05:18",
  "op": [
    "comment",
    {
      "parent_author": "ganart",
      "parent_permlink": "7f63f",
      "author": "steemitboard",
      "permlink": "steemitboard-notify-ganart-20191024t030517000z",
      "title": "",
      "body": "Congratulations @ganart! You received a personal award!\n\n<table><tr><td>https://steemitimages.com/70x70/http://steemitboard.com/@ganart/birthday2.png</td><td>Happy Birthday! - You are on the Steem blockchain for 2 years!</td></tr></table>\n\n<sub>_You can view [your badges on your Steem Board](https://steemitboard.com/@ganart) and compare to others on the [Steem Ranking](https://steemitboard.com/ranking/index.php?name=ganart)_</sub>\n\n\n**Do not miss the last post from @steemitboard:**\n<table><tr><td><a href=\"https://steemit.com/steemfest/@steemitboard/steemfest-commemorative-badge-refactored\"><img src=\"https://steemitimages.com/64x128/https://files.steempeak.com/file/steempeak/arcange/YqQV5Tbj-image.png\"></a></td><td><a href=\"https://steemit.com/steemfest/@steemitboard/steemfest-commemorative-badge-refactored\">SteemFest⁴  commemorative badge refactored</a></td></tr></table>\n\n###### [Vote for @Steemitboard as a witness](https://v2.steemconnect.com/sign/account-witness-vote?witness=steemitboard&approve=1) to get one more award and increased upvotes!",
      "json_metadata": "{\"image\":[\"https://steemitboard.com/img/notify.png\"]}"
    }
  ]
}

{
  "trx_id": "215aed6dc7300f1310c2bc00a68b5d0d2f670940",
  "block": 32845626,
  "trx_in_block": 12,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2019-05-12T15:01:09",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "8946.466467 VESTS"
    }
  ]
}

{
  "trx_id": "6c5274b63e364dd6ad03ea552a3433f8c6800fba",
  "block": 27088573,
  "trx_in_block": 29,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2018-10-24T12:49:30",
  "op": [
    "comment",
    {
      "parent_author": "ganart",
      "parent_permlink": "7f63f",
      "author": "steemitboard",
      "permlink": "steemitboard-notify-ganart-20181024t124931000z",
      "title": "",
      "body": "Congratulations @ganart! You have received a personal award!\n\n[![](https://steemitimages.com/70x70/http://steemitboard.com/@ganart/birthday1.png)](http://steemitboard.com/@ganart)  1 Year on Steemit\n<sub>_Click on the badge to view your Board of Honor._</sub>\n\n\n**Do not miss the last post from @steemitboard:**\n<table><tr><td><a href=\"https://steemit.com/steemitboard/@steemitboard/steemitboard-ranking-update-resteem-and-resteemed-added\"><img src=\"https://steemitimages.com/64x128/https://cdn.steemitimages.com/DQmfRVpHQhLDhnjDtqck8GPv9NPvNKPfMsDaAFDE1D9Er2Z/header_ranking.png\"></a></td><td><a href=\"https://steemit.com/steemitboard/@steemitboard/steemitboard-ranking-update-resteem-and-resteemed-added\">SteemitBoard Ranking update - Resteem and Resteemed added</a></td></tr></table>\n\n> Support [SteemitBoard's project](https://steemit.com/@steemitboard)! **[Vote for its witness](https://v2.steemconnect.com/sign/account-witness-vote?witness=steemitboard&approve=1)** and **get one more award**!",
      "json_metadata": "{\"image\":[\"https://steemitboard.com/img/notify.png\"]}"
    }
  ]
}

{
  "trx_id": "6211f535dcb6b3b7fec371c81156e2a4edcb4cf2",
  "block": 22489867,
  "trx_in_block": 7,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2018-05-16T20:18:18",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "9146.018902 VESTS"
    }
  ]
}

{
  "trx_id": "ecdc8e5fc683655aa4465fa7c49eb66774d93139",
  "block": 21771154,
  "trx_in_block": 31,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2018-04-21T20:43:18",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "29533.987942 VESTS"
    }
  ]
}

{
  "trx_id": "0000000000000000000000000000000000000000",
  "block": 18331152,
  "trx_in_block": 4294967295,
  "op_in_trx": 0,
  "virtual_op": 6,
  "timestamp": "2017-12-23T07:12:21",
  "op": [
    "author_reward",
    {
      "author": "ganart",
      "permlink": "7f63f",
      "sbd_payout": "0.000 SBD",
      "steem_payout": "0.000 STEEM",
      "vesting_payout": "32.801153 VESTS"
    }
  ]
}

{
  "trx_id": "6d419ecd341861d32916a4fbc97411af73e81135",
  "block": 18132750,
  "trx_in_block": 16,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-12-16T09:50:00",
  "op": [
    "vote",
    {
      "voter": "pzago",
      "author": "ganart",
      "permlink": "7f63f",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "2fb9f626b8cd474aa3a6bdc80d9aa5c7efb34915",
  "block": 18132750,
  "trx_in_block": 7,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-12-16T09:50:00",
  "op": [
    "vote",
    {
      "voter": "gagur",
      "author": "ganart",
      "permlink": "7f63f",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "3bc1f4466caa3fca599179e2f7657ae52d048093",
  "block": 18132750,
  "trx_in_block": 2,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-12-16T09:50:00",
  "op": [
    "vote",
    {
      "voter": "roseros",
      "author": "ganart",
      "permlink": "7f63f",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "3b173ff99b3b970c060119b8bae7212e66b59313",
  "block": 18132749,
  "trx_in_block": 10,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-12-16T09:49:57",
  "op": [
    "vote",
    {
      "voter": "saiveil",
      "author": "ganart",
      "permlink": "7f63f",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "1406d4657e5828df60237b701c4ca807915af9c6",
  "block": 18132749,
  "trx_in_block": 3,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-12-16T09:49:57",
  "op": [
    "vote",
    {
      "voter": "pogrbnyakm",
      "author": "ganart",
      "permlink": "7f63f",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "eb8e74c8abb2c4ca817d2851b6858d3b9ecc16c4",
  "block": 18129877,
  "trx_in_block": 25,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-12-16T07:26:21",
  "op": [
    "vote",
    {
      "voter": "cqf",
      "author": "ganart",
      "permlink": "7f63f",
      "weight": 100
    }
  ]
}

{
  "trx_id": "4257739f018583c3e566d6410041c7511fb8e8b1",
  "block": 18129598,
  "trx_in_block": 10,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-12-16T07:12:24",
  "op": [
    "transfer",
    {
      "from": "hottopic",
      "to": "ganart",
      "amount": "0.001 STEEM",
      "memo": "Hello ganart. I Followed you.If you follow me, I'll be happy.Thanks :)"
    }
  ]
}

{
  "trx_id": "5e88d78e5622bb8ce4e100ce1ee8c96a18ddf3e1",
  "block": 18129597,
  "trx_in_block": 6,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-12-16T07:12:21",
  "op": [
    "vote",
    {
      "voter": "ganart",
      "author": "ganart",
      "permlink": "7f63f",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "5e88d78e5622bb8ce4e100ce1ee8c96a18ddf3e1",
  "block": 18129597,
  "trx_in_block": 6,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-12-16T07:12:21",
  "op": [
    "comment_options",
    {
      "author": "ganart",
      "permlink": "7f63f",
      "max_accepted_payout": "1000000.000 SBD",
      "percent_steem_dollars": 0,
      "allow_votes": true,
      "allow_curation_rewards": true,
      "extensions": []
    }
  ]
}

{
  "trx_id": "5e88d78e5622bb8ce4e100ce1ee8c96a18ddf3e1",
  "block": 18129597,
  "trx_in_block": 6,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-12-16T07:12:21",
  "op": [
    "comment",
    {
      "parent_author": "",
      "parent_permlink": "art",
      "author": "ganart",
      "permlink": "7f63f",
      "title": "什么是生成设计？",
      "body": "![](http://ganart.org/image/20171216.png)\n\n**生成设计**，在Wiki上的词条是 **Generative design**，其定义是”a form finding process that can mimic nature’s evolutionary approach to design”。直译过来是，生成设计是一种形式发现的过程，这种模式模仿大自然进化的方式进行设计。以下内容翻译整理自wikipedia的英文词条。\n\n它从一个明确的设计目标开始，然后探索无数种可能的解决方案，并最终挑选出找到最佳选择。通过使用云计算等处理技术，生成设计可以循环成百上千次的设计选择，通过不停地迭代调整配置参数，从而逼近我们想要得到的结果。这个过程可以帮助设计人员探索各种不同的方案，在数量级上能够远远超过一个人或者是一个设计团队的创造能力，从而能够探寻最有效的设计。\n\n![](http://ganart.org/image/20171216A.png)\n\n大多数生成设计的输出可以是图像、声音、建筑模型、动画等等，而这一切通常都是基于算法和参数建模的。它是一种探索设计可能性的快速方法，可以试用用于各种设计领域，如艺术，建筑，产品设计，信息设计。通常，生成设计具备以下三点：\n\n设计模式\n创造变化的方式\n挑选理想的结果的手段\n一些生成方案使用遗传算法来创造变化，有些可能只使用随机数字。生成设计受到自然设计过程的启发，通过突变和交叉将设计发展为遗传变异。（与传统艺术或计算机艺术等长期以来的概念相比，生成设计还包括设计、建筑和产品设计领域的特定任务）\n\n在信息设计中，其主要应用是创作信息图形、图表和灵活的公司设计。建筑中的生成设计（通常也称为计算设计）主要应用于发现过程以及模拟建筑结构。\n\n生成式设计变得越来越重要，主要是由于新的编程环境（Processing，vvvv，Quartz Composer，Open Frameworks）或脚本功能（Rhinoceros 3D中的Grasshopper 3D，Blender的Sverchok）对于几乎没有编程经验设计师来说，也可以采用这些简单的工具来实现他们的想法。然而，生成设计也可以与数据驱动架构相关联，参数化架构包括了程序生成和数据驱动软件。\n\n生成设计在许多建筑学院教授，并在建筑和设计实践中获得了成功。\n\n1992年Celestino Soddu定义：“生成设计是一种使用算法结构化为非线性系统的形态发生过程，通过一个想法代码完成无穷无尽的独特和不可重复的结果，就像自然界一样。\n\n2013年Sivam Krish定义：“生成设计是将计算能量转化为创造性的探索能量，赋予设计人员在可修改约束条件下探索更多设计可能性的能力。”\n\n反馈回路是使计算模型生成最重要和最有特色的部分之一。反馈的范围从简单回路（其中模型将自己的输出用于输入）到包含设计评估例程的相对复杂的机制。生成方法的根源深植于系统动力学建模，本质上是重复性的过程，解决方案在设计操作的几次迭代过程中生成出来。\n\n[原文链接](http://ganart.org/2017/12/16/Generative-Design/)\n\n![](https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png)",
      "json_metadata": "{\"tags\":[\"art\",\"ai\",\"cn\",\"design\"],\"image\":[\"http://ganart.org/image/20171216.png\",\"http://ganart.org/image/20171216A.png\",\"https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png\"],\"links\":[\"http://ganart.org/2017/12/16/Generative-Design/\"],\"app\":\"steemit/0.1\",\"format\":\"markdown\"}"
    }
  ]
}

{
  "trx_id": "896acef5e8a6741b5149e8cba11904467809a3d2",
  "block": 18032647,
  "trx_in_block": 10,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-12-12T22:23:12",
  "op": [
    "delegate_vesting_shares",
    {
      "delegator": "steem",
      "delegatee": "ganart",
      "vesting_shares": "29737.819994 VESTS"
    }
  ]
}

{
  "trx_id": "0000000000000000000000000000000000000000",
  "block": 17692475,
  "trx_in_block": 4294967295,
  "op_in_trx": 0,
  "virtual_op": 3,
  "timestamp": "2017-12-01T02:45:57",
  "op": [
    "author_reward",
    {
      "author": "ganart",
      "permlink": "3gfcef-ascii",
      "sbd_payout": "0.000 SBD",
      "steem_payout": "0.000 STEEM",
      "vesting_payout": "86.199248 VESTS"
    }
  ]
}

{
  "trx_id": "863ea5c004475b84697041e6717e114ed7828b04",
  "block": 17491538,
  "trx_in_block": 10,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-24T03:15:39",
  "op": [
    "vote",
    {
      "voter": "brysj22952",
      "author": "ganart",
      "permlink": "3gfcef-ascii",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "872f6f601c5674268786468d37a96223832a0e34",
  "block": 17491185,
  "trx_in_block": 6,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-24T02:58:00",
  "op": [
    "vote",
    {
      "voter": "fivestargroup",
      "author": "ganart",
      "permlink": "3gfcef-ascii",
      "weight": 2
    }
  ]
}

{
  "trx_id": "ee0fefa22a037672e83c3eac91041c288894599c",
  "block": 17491008,
  "trx_in_block": 5,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-24T02:49:09",
  "op": [
    "comment",
    {
      "parent_author": "",
      "parent_permlink": "art",
      "author": "ganart",
      "permlink": "3gfcef-ascii",
      "title": "谷歌的另一利器，艺术界的阿尔法狗",
      "body": "![Picture 1](http://ganart.org/image/20171124A.png)\n\nDeepDream，深海梦魇。\n\n不关注计算机视觉相关领域的朋友可能对这个名词感到非常陌生。如果我告诉你上面的这些图片都是DeepDream的作品，你可能会感叹于这些画作绚丽的色彩和抽象的笔触，充满了一种后现代主义的诡异美感。如果我再告诉你DeepDream其实是一个人工智能的图片生成项目，并且开源于两年以前，你是否会对AI艺术领域会有一个重新的认识。这个曾经给艺术界和技术圈带来强烈冲击和深度触电的项目，至今对生成艺术的发展有长远的影响。\n\nDeepDream，如果把这个项目拟人化，可以说是人如其名。其作品中大面积的漩涡、彩虹般的色彩、繁复的重影会让初次接触的人有一种眩晕感，可能还有一些不适感，尤其是早期由于DeepDream使用大量的动物图片作为训练集，所以生成的图片里充斥着眼睛、鼻子、头、躯干等很难让人接受的元素。\n\n![Picture 2](http://ganart.org/image/20171124B.png)\n\n这个项目原本是Google用于图片分析和处理的人工智能系统 Inceptionism，开源之后将很多著名的艺术作品进行了超现实的演绎。其后产生了很多建立在DeepDream基础上的衍生产品，优秀如俄罗斯的Ostagram，将两张图片合二为一，最后的效果让人联想到抽象艺术家的画作。Facebook上也曾经掀起一股狂潮。只要你敢想，敢做，就算一张毫无特色的画作也可以变成抽象艺术作品。\n\n![Picture 3](http://ganart.org/image/20171124C.png)\n\n如果仅仅是对DeepDream生成的作品感兴趣，你可以直接拉到文章最后，点击「阅读原文」到Ostagram的官网，把自己一些可能平凡无奇的照片变得有特色起来。\n\n![Picture 4](http://ganart.org/image/20171124D.png)\n\n但如果你还想更加深入地了解到DeepDream是如何办到创作这种后现代风格的艺术作品的，你可能就需要耐着性子接着往下看了。下面的文字可能对有过计算机基础的人更加友好，但是我也会尽量写得通俗一些。\n\nDeepDream启始于Google内部的一个图像分类和识别的需求。人工神经网络的发展，以及庞大的图像库如ImageNet的建立，推进了图像分类和语音识别的飞速发展。（注：ImageNet的建立者是华裔女性科学家，斯坦福计算机系副教授李飞飞，感兴趣的可以搜索她的最新TED）对于图像识别，这些神经网络模型非常有效，但是为什么有效以及在哪一层产生了效果，科学家们花了更多的时间去探究这个黑盒子里面的逐步演进。（注：神经网络模拟人脑的神经元传输，通过建立算法并且增加信息传递的层级数量来进化）\n\n先简单介绍一下DeepDream项目的神经网络，这个模型原本是用于图像识别。这是一个由10-30层人造神经元堆叠而成的模型，科学家通过数以百万计的训练实例逐渐调整网络参数，直到创造出他们想要的分类模型。（注：分类是机器学习中的一个常见应用，即输入一堆杂乱无章的元素，计算机找出规律并进行类别划分）每个图像从输入层输入，然后与之后的每一层进行交互，直到最终达到输出层。最终的输出层会给出模型的结果，即识别出图像是什么事物并进行分类。\n\n神经网络层次越深，虽然耗费的算力越多，但最终出来的模型的准确度也会越高。这是因为在模型中，每一层逐渐提取图像的更高层次的特征，直到最后一层基本上对显示的内容可以做出判断。举个例子，如果输入这个模型的图片是一棵树。第一层可能会查找边缘或角落，中间层解释基本特征来寻找整体形状或组件，比如叶子，最后的几层将这些组装成完整的解释，输出相对比较非常复杂的事物，比如树木。最终模型输出的结果就是判断出这个图片是一棵树。在此过程中，每一层的抽取和判断是具有随机性的，所以神经网络最有挑战性和最吸引人的就是了解每一层究竟发生了什么。DeepDream的科学家从这个角度思考，逐渐发现这个原本用于图像识别的系统有了创作抽象作品的能力。\n\n刚刚我们是从神经网络的正向流程去思考问题，即输入一个图像，神经网络就把它识别成什么。如果用反向的角度，寻找输出某一特定值的规律，会不会有其他的发现呢。比如想知道究竟输入什么样的图像最终会输出“香蕉”。于是他们从一个随机噪声的图像开始，然后逐渐调整图像到神经网络认为是香蕉。如下图所示。\n\n![Picture 4](http://ganart.org/image/20171124E.png)\n\n然后他们惊喜地发现，那些用来经过训练的图像分类神经网络，其中已经具备了有相当多的信息可以用来生成图像。比如下面这些例子，第一行是羚羊、量杯、蚂蚁、海星，第二行是小丑鱼、香蕉、降落伞、螺丝钉。\n\n![Picture 5](http://ganart.org/image/20171124F.png)\n\n不难发现生成的图片还是很抽象的，如果不把图像名称标注出来，恐怕还是很难看出是什么物体的。那这个发现为什么会是一个惊喜呢？这就是艺术作品了吗？这八张图和文章最开始展示的作品差距还很大的。不急，现在科学家们的目的并不是为了生成艺术品，只是单纯的为了研究神经网络每一层的效果而已。\n\n在前面的文章里面说过，建立这个神经网络的目的是为了提取图像的本质特征，并学会忽略那些不重要的信息。举个例子，科学家们希望这个神经网络能够识别出一个叉子的一个手柄和2-4个尖头，因为这是叉子的本质特征。同时它又能忽略掉具体的形状、大小、颜色或方向，因为这些是附加属性。但问题是，神经网络的建立者们如何检查它是否正确学习了这些特性呢？在一层一层的神经网络中，它的学习过程有没有出现偏差呢？如果能够从获取一些神经网络的中间层的可视化展示，无疑是可以在某种程度上帮大忙的。\n\n觉得有点迷糊了吗？简单来说，科学家们想知道神经网络学习过程中每一层的输出，其目的是为了检查学习成果是否正确，而从随机噪音到类似香蕉生成的实验表明，神经网络的可视化是可以实现的。这个和生成艺术品有什么关系？我们继续慢慢说。\n\n科学家们立刻把这个发现应用在真实的神经网络学习中，然后发现事实上，神经网络学习结果的偏差情况还比较普遍。例如，下面是一个用于识别哑铃的神经网络。\n\n![Picture 6](http://ganart.org/image/20171124G.png)\n\n这些的确看起来很像哑铃，但是其中没有一个哑铃的图像是完整的。这种情况下，其实网络并没有完全提炼哑铃的本质特征。可视化的方式可以帮助纠正这一类的训练事故，通过人为的调整指导神经网络应该放大哪些特征。\n\n在此之前，所有的一切都只是为了解决问题，那如果让网络自己做出决定呢？可视化的目的不是为了纠正，而是为了观察呢？观察神经网络在不控制的情况下，自己演变出来的结果，那出来的图像又会是什么样子呢？\n\nGoogle的技术人员给网络提供任意的一个图像或照片，让网络进行分析，然后选择一个网络层，增强某一个检测到的属性。神经网络的设计方式会让每一层都会处理不同层次的抽象特征，因此生成图像的特征复杂性取决于选择了增强哪一层。还记得前面提到的树木的例子吗？低层次的网络处理的是边缘，中层次的处理的是组件比如叶子，高层次的处理的是完整的事物。所以，如果增强较低的层次的检测属性，往往会产生笔画或简单的装饰图案，因为这些网络层对诸如边缘等基本特征比较敏感，参考下图。\n\n![Picture 7](http://ganart.org/image/20171124H.png)\n\n如果选择了较高的层次，那些网络层会识别出图像中更复杂的特征，甚至是别的是整个对象。我们再次实践上面说的操作，告诉神经网络：“无论你在那一层发现了什么，我都想要生成更多的！”这就产生了一个反馈循环：如果云看起来有点像鸟，那神经网络会使它变得看起来更像一只鸟，参考下图。\n\n![Picture 8](http://ganart.org/image/20171124I.png)\n\n这个产生了非常有意思的结果，即使是一个相对简单的神经网络，也可以用来过度解释图像，就像孩子们看到云会想象成一些随机的形状。下面这个神经网络主要是在动物的图像上进行的训练，所以很自然地将云朵的形状解析成了动物。由于这些信息存储在高层次的抽象中，所以在输出的结果中混合了有趣的动物特征。\n\n![Picture 9](http://ganart.org/image/20171124J.png)\n\n当然，还可以用这个技术做更多有意思的事情，可以应用在任意的图像上。结果与图像类型有很大的差异，因为输入图像的特征会使得网络往一定的方向发展。例如，地平线的图像上会出现塔和宫殿，岩石和树木会转变成建筑物，而鸟和昆虫则会出现在叶子的图像上。\n\n![Picture 10](http://ganart.org/image/20171124K.png)\n\n就这样，一个用于图像识别的系统，因为一个网络学习结果可视化的需求，打开了从单一进化图层了解事物的新视角。就像当年，毕加索将一个物体的多个剖面拼合并平铺在同一个平面时，全新的构图角度创造了立体主义，也带来了前所未有的冲击。如果忽略掉DeepDream背后的高性能计算机，其产生的作品无疑是一种新的艺术流派，你觉得呢？\n\n[原文链接](http://ganart.org/2017/11/24/Deep-Dream/)\n\n![](https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png)",
      "json_metadata": "{\"tags\":[\"art\",\"ai\",\"cn\"],\"image\":[\"http://ganart.org/image/20171124A.png\",\"http://ganart.org/image/20171124B.png\",\"http://ganart.org/image/20171124C.png\",\"http://ganart.org/image/20171124D.png\",\"http://ganart.org/image/20171124E.png\",\"http://ganart.org/image/20171124F.png\",\"http://ganart.org/image/20171124G.png\",\"http://ganart.org/image/20171124H.png\",\"http://ganart.org/image/20171124I.png\",\"http://ganart.org/image/20171124J.png\",\"http://ganart.org/image/20171124K.png\",\"https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png\"],\"links\":[\"http://ganart.org/2017/11/24/Deep-Dream/\"],\"app\":\"steemit/0.1\",\"format\":\"markdown\"}"
    }
  ]
}

{
  "trx_id": "d98df5747988d60011b5e5c477eec1f8ab0c5522",
  "block": 17490965,
  "trx_in_block": 3,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-24T02:47:00",
  "op": [
    "vote",
    {
      "voter": "rekha007",
      "author": "ganart",
      "permlink": "3gfcef-ascii",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "89ced4161c14c2211c800c872dd907b595c55a21",
  "block": 17490948,
  "trx_in_block": 38,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-24T02:46:09",
  "op": [
    "vote",
    {
      "voter": "kingkong1",
      "author": "ganart",
      "permlink": "3gfcef-ascii",
      "weight": 300
    }
  ]
}

{
  "trx_id": "90ff62062292d4eefbab1b99b642055a9998c33d",
  "block": 17490944,
  "trx_in_block": 10,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-24T02:45:57",
  "op": [
    "vote",
    {
      "voter": "ganart",
      "author": "ganart",
      "permlink": "3gfcef-ascii",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "90ff62062292d4eefbab1b99b642055a9998c33d",
  "block": 17490944,
  "trx_in_block": 10,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-24T02:45:57",
  "op": [
    "comment_options",
    {
      "author": "ganart",
      "permlink": "3gfcef-ascii",
      "max_accepted_payout": "1000000.000 SBD",
      "percent_steem_dollars": 0,
      "allow_votes": true,
      "allow_curation_rewards": true,
      "extensions": []
    }
  ]
}

{
  "trx_id": "90ff62062292d4eefbab1b99b642055a9998c33d",
  "block": 17490944,
  "trx_in_block": 10,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-24T02:45:57",
  "op": [
    "comment",
    {
      "parent_author": "",
      "parent_permlink": "art",
      "author": "ganart",
      "permlink": "3gfcef-ascii",
      "title": "ASCII艺术：如何制作一幅完美的文字画",
      "body": "![Picture 1](http://ganart.org/image/20171124A.png)\n\nDeepDream，深海梦魇。\n\n不关注计算机视觉相关领域的朋友可能对这个名词感到非常陌生。如果我告诉你上面的这些图片都是DeepDream的作品，你可能会感叹于这些画作绚丽的色彩和抽象的笔触，充满了一种后现代主义的诡异美感。如果我再告诉你DeepDream其实是一个人工智能的图片生成项目，并且开源于两年以前，你是否会对AI艺术领域会有一个重新的认识。这个曾经给艺术界和技术圈带来强烈冲击和深度触电的项目，至今对生成艺术的发展有长远的影响。\n\nDeepDream，如果把这个项目拟人化，可以说是人如其名。其作品中大面积的漩涡、彩虹般的色彩、繁复的重影会让初次接触的人有一种眩晕感，可能还有一些不适感，尤其是早期由于DeepDream使用大量的动物图片作为训练集，所以生成的图片里充斥着眼睛、鼻子、头、躯干等很难让人接受的元素。\n\n![Picture 2](http://ganart.org/image/20171124B.png)\n\n这个项目原本是Google用于图片分析和处理的人工智能系统 Inceptionism，开源之后将很多著名的艺术作品进行了超现实的演绎。其后产生了很多建立在DeepDream基础上的衍生产品，优秀如俄罗斯的Ostagram，将两张图片合二为一，最后的效果让人联想到抽象艺术家的画作。Facebook上也曾经掀起一股狂潮。只要你敢想，敢做，就算一张毫无特色的画作也可以变成抽象艺术作品。\n\n![Picture 3](http://ganart.org/image/20171124C.png)\n\n如果仅仅是对DeepDream生成的作品感兴趣，你可以直接拉到文章最后，点击「阅读原文」到Ostagram的官网，把自己一些可能平凡无奇的照片变得有特色起来。\n\n![Picture 4](http://ganart.org/image/20171124D.png)\n\n但如果你还想更加深入地了解到DeepDream是如何办到创作这种后现代风格的艺术作品的，你可能就需要耐着性子接着往下看了。下面的文字可能对有过计算机基础的人更加友好，但是我也会尽量写得通俗一些。\n\nDeepDream启始于Google内部的一个图像分类和识别的需求。人工神经网络的发展，以及庞大的图像库如ImageNet的建立，推进了图像分类和语音识别的飞速发展。（注：ImageNet的建立者是华裔女性科学家，斯坦福计算机系副教授李飞飞，感兴趣的可以搜索她的最新TED）对于图像识别，这些神经网络模型非常有效，但是为什么有效以及在哪一层产生了效果，科学家们花了更多的时间去探究这个黑盒子里面的逐步演进。（注：神经网络模拟人脑的神经元传输，通过建立算法并且增加信息传递的层级数量来进化）\n\n先简单介绍一下DeepDream项目的神经网络，这个模型原本是用于图像识别。这是一个由10-30层人造神经元堆叠而成的模型，科学家通过数以百万计的训练实例逐渐调整网络参数，直到创造出他们想要的分类模型。（注：分类是机器学习中的一个常见应用，即输入一堆杂乱无章的元素，计算机找出规律并进行类别划分）每个图像从输入层输入，然后与之后的每一层进行交互，直到最终达到输出层。最终的输出层会给出模型的结果，即识别出图像是什么事物并进行分类。\n\n神经网络层次越深，虽然耗费的算力越多，但最终出来的模型的准确度也会越高。这是因为在模型中，每一层逐渐提取图像的更高层次的特征，直到最后一层基本上对显示的内容可以做出判断。举个例子，如果输入这个模型的图片是一棵树。第一层可能会查找边缘或角落，中间层解释基本特征来寻找整体形状或组件，比如叶子，最后的几层将这些组装成完整的解释，输出相对比较非常复杂的事物，比如树木。最终模型输出的结果就是判断出这个图片是一棵树。在此过程中，每一层的抽取和判断是具有随机性的，所以神经网络最有挑战性和最吸引人的就是了解每一层究竟发生了什么。DeepDream的科学家从这个角度思考，逐渐发现这个原本用于图像识别的系统有了创作抽象作品的能力。\n\n刚刚我们是从神经网络的正向流程去思考问题，即输入一个图像，神经网络就把它识别成什么。如果用反向的角度，寻找输出某一特定值的规律，会不会有其他的发现呢。比如想知道究竟输入什么样的图像最终会输出“香蕉”。于是他们从一个随机噪声的图像开始，然后逐渐调整图像到神经网络认为是香蕉。如下图所示。\n\n![Picture 4](http://ganart.org/image/20171124E.png)\n\n然后他们惊喜地发现，那些用来经过训练的图像分类神经网络，其中已经具备了有相当多的信息可以用来生成图像。比如下面这些例子，第一行是羚羊、量杯、蚂蚁、海星，第二行是小丑鱼、香蕉、降落伞、螺丝钉。\n\n![Picture 5](http://ganart.org/image/20171124F.png)\n\n不难发现生成的图片还是很抽象的，如果不把图像名称标注出来，恐怕还是很难看出是什么物体的。那这个发现为什么会是一个惊喜呢？这就是艺术作品了吗？这八张图和文章最开始展示的作品差距还很大的。不急，现在科学家们的目的并不是为了生成艺术品，只是单纯的为了研究神经网络每一层的效果而已。\n\n在前面的文章里面说过，建立这个神经网络的目的是为了提取图像的本质特征，并学会忽略那些不重要的信息。举个例子，科学家们希望这个神经网络能够识别出一个叉子的一个手柄和2-4个尖头，因为这是叉子的本质特征。同时它又能忽略掉具体的形状、大小、颜色或方向，因为这些是附加属性。但问题是，神经网络的建立者们如何检查它是否正确学习了这些特性呢？在一层一层的神经网络中，它的学习过程有没有出现偏差呢？如果能够从获取一些神经网络的中间层的可视化展示，无疑是可以在某种程度上帮大忙的。\n\n觉得有点迷糊了吗？简单来说，科学家们想知道神经网络学习过程中每一层的输出，其目的是为了检查学习成果是否正确，而从随机噪音到类似香蕉生成的实验表明，神经网络的可视化是可以实现的。这个和生成艺术品有什么关系？我们继续慢慢说。\n\n科学家们立刻把这个发现应用在真实的神经网络学习中，然后发现事实上，神经网络学习结果的偏差情况还比较普遍。例如，下面是一个用于识别哑铃的神经网络。\n\n![Picture 6](http://ganart.org/image/20171124G.png)\n\n这些的确看起来很像哑铃，但是其中没有一个哑铃的图像是完整的。这种情况下，其实网络并没有完全提炼哑铃的本质特征。可视化的方式可以帮助纠正这一类的训练事故，通过人为的调整指导神经网络应该放大哪些特征。\n\n在此之前，所有的一切都只是为了解决问题，那如果让网络自己做出决定呢？可视化的目的不是为了纠正，而是为了观察呢？观察神经网络在不控制的情况下，自己演变出来的结果，那出来的图像又会是什么样子呢？\n\nGoogle的技术人员给网络提供任意的一个图像或照片，让网络进行分析，然后选择一个网络层，增强某一个检测到的属性。神经网络的设计方式会让每一层都会处理不同层次的抽象特征，因此生成图像的特征复杂性取决于选择了增强哪一层。还记得前面提到的树木的例子吗？低层次的网络处理的是边缘，中层次的处理的是组件比如叶子，高层次的处理的是完整的事物。所以，如果增强较低的层次的检测属性，往往会产生笔画或简单的装饰图案，因为这些网络层对诸如边缘等基本特征比较敏感，参考下图。\n\n![Picture 7](http://ganart.org/image/20171124H.png)\n\n如果选择了较高的层次，那些网络层会识别出图像中更复杂的特征，甚至是别的是整个对象。我们再次实践上面说的操作，告诉神经网络：“无论你在那一层发现了什么，我都想要生成更多的！”这就产生了一个反馈循环：如果云看起来有点像鸟，那神经网络会使它变得看起来更像一只鸟，参考下图。\n\n![Picture 8](http://ganart.org/image/20171124I.png)\n\n这个产生了非常有意思的结果，即使是一个相对简单的神经网络，也可以用来过度解释图像，就像孩子们看到云会想象成一些随机的形状。下面这个神经网络主要是在动物的图像上进行的训练，所以很自然地将云朵的形状解析成了动物。由于这些信息存储在高层次的抽象中，所以在输出的结果中混合了有趣的动物特征。\n\n![Picture 9](http://ganart.org/image/20171124J.png)\n\n当然，还可以用这个技术做更多有意思的事情，可以应用在任意的图像上。结果与图像类型有很大的差异，因为输入图像的特征会使得网络往一定的方向发展。例如，地平线的图像上会出现塔和宫殿，岩石和树木会转变成建筑物，而鸟和昆虫则会出现在叶子的图像上。\n\n![Picture 10](http://ganart.org/image/20171124K.png)\n\n就这样，一个用于图像识别的系统，因为一个网络学习结果可视化的需求，打开了从单一进化图层了解事物的新视角。就像当年，毕加索将一个物体的多个剖面拼合并平铺在同一个平面时，全新的构图角度创造了立体主义，也带来了前所未有的冲击。如果忽略掉DeepDream背后的高性能计算机，其产生的作品无疑是一种新的艺术流派，你觉得呢？\n\n[原文链接](http://ganart.org/2017/11/24/Deep-Dream/)\n\n![](https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png)",
      "json_metadata": "{\"tags\":[\"art\",\"ai\",\"cn\"],\"image\":[\"http://ganart.org/image/20171124A.png\",\"http://ganart.org/image/20171124B.png\",\"http://ganart.org/image/20171124C.png\",\"http://ganart.org/image/20171124D.png\",\"http://ganart.org/image/20171124E.png\",\"http://ganart.org/image/20171124F.png\",\"http://ganart.org/image/20171124G.png\",\"http://ganart.org/image/20171124H.png\",\"http://ganart.org/image/20171124I.png\",\"http://ganart.org/image/20171124J.png\",\"http://ganart.org/image/20171124K.png\",\"https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png\"],\"links\":[\"http://ganart.org/2017/11/24/Deep-Dream/\"],\"app\":\"steemit/0.1\",\"format\":\"markdown\"}"
    }
  ]
}

{
  "trx_id": "37d7013fa85a029c598fbf0de15bba5ca66aed29",
  "block": 17290616,
  "trx_in_block": 13,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-17T03:44:21",
  "op": [
    "vote",
    {
      "voter": "cifer",
      "author": "ganart",
      "permlink": "ascii",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "08bd8118c35add98ed14a623c51fb67e60de3f30",
  "block": 17290602,
  "trx_in_block": 17,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-17T03:43:39",
  "op": [
    "vote",
    {
      "voter": "brysj22952",
      "author": "ganart",
      "permlink": "ascii",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "29da9c70e0e91f0d1a0bfb55e8763a908f920207",
  "block": 17290242,
  "trx_in_block": 31,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-17T03:25:39",
  "op": [
    "comment",
    {
      "parent_author": "ganart",
      "parent_permlink": "ascii",
      "author": "milon69",
      "permlink": "re-ganart-ascii-20171117t032536206z",
      "title": "",
      "body": "follow me",
      "json_metadata": "{\"tags\":[\"art\"],\"app\":\"steemit/0.1\"}"
    }
  ]
}

{
  "trx_id": "164486feed08337ec1dc4ad6177ef63ca1cb498d",
  "block": 17290235,
  "trx_in_block": 8,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-17T03:25:18",
  "op": [
    "vote",
    {
      "voter": "milon69",
      "author": "ganart",
      "permlink": "ascii",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "1913229a7f4eb956e37d4bb974ad399a172c0a69",
  "block": 17290212,
  "trx_in_block": 12,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-17T03:24:09",
  "op": [
    "vote",
    {
      "voter": "ganart",
      "author": "ganart",
      "permlink": "ascii",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "1913229a7f4eb956e37d4bb974ad399a172c0a69",
  "block": 17290212,
  "trx_in_block": 12,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-17T03:24:09",
  "op": [
    "comment_options",
    {
      "author": "ganart",
      "permlink": "ascii",
      "max_accepted_payout": "1000000.000 SBD",
      "percent_steem_dollars": 0,
      "allow_votes": true,
      "allow_curation_rewards": true,
      "extensions": []
    }
  ]
}

{
  "trx_id": "1913229a7f4eb956e37d4bb974ad399a172c0a69",
  "block": 17290212,
  "trx_in_block": 12,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-17T03:24:09",
  "op": [
    "comment",
    {
      "parent_author": "",
      "parent_permlink": "art",
      "author": "ganart",
      "permlink": "ascii",
      "title": "ASCII艺术：如何制作一幅完美的文字画",
      "body": "![20171117A.png](https://steemitimages.com/DQmWiEesWGkXK1MoWonUsdvPh3meMA3QQLCXP2X9RPoSAjx/20171117A.png)\n\n### 提到字符画你会想到什么？\n\n第一反应应该会是逢年过节时，亲朋好友在各个微信群中传播的祝福短信。这种祝福短信一般由ASCII字符和一些表情组成，形如下图。\n\n![20171117B.png](https://steemitimages.com/DQmQj9rS4UN7CukowajmnZYQa35DvAHHyE1DupoAu78KnM7/20171117B.png)\n\n小编看到这种字符画短信，通常是默默关闭微信群的，因为一般出现一个字符画信息，就会接二连三引起连锁反应爆出一堆字符画，偶尔伴随闪闪发光的GIF表情点缀，对小编造成较大冲击，只想静静。\n\n但这些字符画，其本身确实是一种艺术表现形态，即ASCII艺术的分支。文章一开始为大家展示的截图，来自于一部为纪念「星球大战」制作的长达22分钟的ASCII字符动画 。 整个动画中字符的灵动性和幽默的表达方式，会让人觉得，ASCII艺术，其实有点意思。在公众号原文中，可以欣赏到这段动画。\n\n### 字符画的由来：ASCII艺术\n\nASCII艺术，诞生于1982年，首次出现是在美国卡内基梅隆大学。当时的信息传递设备主要是打字机、电传打字机，用于显示的大部分也是没有图形的终端。1982年距离苹果公司划时代的图像操作系统Mac OS System 1.0（诞生于1983年）还有一年时间。字符作为最为创建的信息表达载体，被开始运用为表情符号，出现在各大社交网站上，如Usenet、BITNET等。\n\n![20171117C.png](https://steemitimages.com/DQmWjRFbXnzqvLFjbaTPNu5LUWyMzsotvXjD9GoCPWQMrQj/20171117C.png)\n\n这些ASCII码形成的表情，能够适应更加稳定快捷以及带宽节省地完成信息的传递。所以一经兴起，经久不衰，沿用至今。早期的ASCII表情符采用三到四个字符，例如 :-) 、:-( 、(=^_^=) 等，相对比较简单，都是人工设计组合起来的。现在比较复杂的ASCII字符画都采用计算机生成的方式诞生，生成器种类繁多，由此也产生了ASCII艺术的说法，因为其中的一些作品除了社交属性之外，也有一定的艺术属性。\n\n### ASCII艺术的传统生成方法\n\n如果想要自己做一幅专属的字符画的话，可能手动在文档里输入实在是有点辛苦，好在早已经有一些免费的工具帮助我们能够快速上手了。比如下面的这款免费软件ASCII art studio，你需要做的，仅仅是在小框框里填上你喜欢的字符即可，安心创作吧\n\n![20171117D.png](https://steemitimages.com/DQmeFxavAQ6msqFojUkGd6FBPqXPGzPeaWTV4ZA1QhZGZ5D/20171117D.png)\n\n### ASCII艺术的AI生成方法\n\n当然，人们是不会满足于机械化的创作手段的。Pixlab实验室的研究者们给出了一个机器学习领域的ASCII艺术解决方案，他们通过一个决策树(Decision Tree)就能够快速将输入的图片（比如一个人脸）快速转换成可打印的ASCII字符。\n\n![20171117E.png](https://steemitimages.com/DQmT44Mm4ThjMXxTDMkKm1XNkbXxEQGyqKuQi8fQ6WybZsY/20171117E.png)\n\n具体的技术算法实现步骤可以通过以下三个步骤完成。\n\n首先需要把输入的图片切割成大小相等的若干小图，每个小图片大小与字符基本保持一致。\n对于每一个小图单元，我们需要从字典本里找出最合适的字符替换图片。算法中会使用小图的每一个像素值，通过决策树的判断找出最合适的字符。\n最后就是这颗决策树的训练了，它其实是由大量已有图片与通过结构相似度寻找到的对应字符作为训练集的，在一定量的训练后已经可以达到非常完美的效果啦。\n说到最后，不如给你爱的人生成一幅专属于TA的字符画吧。也许真的能给TA一个惊喜呢，当然，你也可以说是你一字一字打出来的~\n\n**关注公众号，并在后台发送图片给小编，小编会替你生成对应的ASCII艺术作品。**\n\n[原文链接](http://ganart.org/2017/11/17/Ascii-Art/)\n\n![](https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png)",
      "json_metadata": "{\"tags\":[\"art\",\"cn\",\"ascii\"],\"image\":[\"https://steemitimages.com/DQmWiEesWGkXK1MoWonUsdvPh3meMA3QQLCXP2X9RPoSAjx/20171117A.png\",\"https://steemitimages.com/DQmQj9rS4UN7CukowajmnZYQa35DvAHHyE1DupoAu78KnM7/20171117B.png\",\"https://steemitimages.com/DQmWjRFbXnzqvLFjbaTPNu5LUWyMzsotvXjD9GoCPWQMrQj/20171117C.png\",\"https://steemitimages.com/DQmeFxavAQ6msqFojUkGd6FBPqXPGzPeaWTV4ZA1QhZGZ5D/20171117D.png\",\"https://steemitimages.com/DQmT44Mm4ThjMXxTDMkKm1XNkbXxEQGyqKuQi8fQ6WybZsY/20171117E.png\",\"https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png\"],\"links\":[\"http://ganart.org/2017/11/17/Ascii-Art/\"],\"app\":\"steemit/0.1\",\"format\":\"markdown\"}"
    }
  ]
}

{
  "trx_id": "51234c63cdc6c08a92e276388ded38175542f334",
  "block": 17059492,
  "trx_in_block": 10,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-09T03:04:27",
  "op": [
    "vote",
    {
      "voter": "bobdos",
      "author": "ganart",
      "permlink": "gan",
      "weight": 700
    }
  ]
}

{
  "trx_id": "6dbd262d996c4a3b1d32531aa193ff31788f2de0",
  "block": 17058881,
  "trx_in_block": 7,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-09T02:33:51",
  "op": [
    "vote",
    {
      "voter": "ganart",
      "author": "ganart",
      "permlink": "gan",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "6dbd262d996c4a3b1d32531aa193ff31788f2de0",
  "block": 17058881,
  "trx_in_block": 7,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-09T02:33:51",
  "op": [
    "comment_options",
    {
      "author": "ganart",
      "permlink": "gan",
      "max_accepted_payout": "1000000.000 SBD",
      "percent_steem_dollars": 0,
      "allow_votes": true,
      "allow_curation_rewards": true,
      "extensions": []
    }
  ]
}

{
  "trx_id": "6dbd262d996c4a3b1d32531aa193ff31788f2de0",
  "block": 17058881,
  "trx_in_block": 7,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-09T02:33:51",
  "op": [
    "comment",
    {
      "parent_author": "",
      "parent_permlink": "art",
      "author": "ganart",
      "permlink": "gan",
      "title": "造星记：GAN生成明星脸",
      "body": "![Picture 1](http://ganart.org/image/20171109A.png)\n\n你能猜到，图中的明星脸都是AI生成的吗？\n\n明星脸都有什么特征？流畅的脸部线条，饱满的额头，立体的眉眼，挺拔的山根，炯炯的眼神。但如果这些都具备了，就是明星脸了吗？显然不是。之所以能够成为明星，而不单纯是长得好看，更重要的是有个人特征，这也是创造出具有明星气质的形象也并不是一件容易的事情的原因。\n\n英伟达Nvidia今日发表了一篇关于人脸生成的论文与相关项目源代码。由于使用的是明星图像数据库，所以自动生成的人像大多具备了明星脸的潜质。Nvidia经过GAN( Generative Adversarial Networks，生成式对抗网络 )进行对抗训练，网络可以产生一个人脸生成器和一个人脸判别器。随着对抗的不断进行进行，生成器的效果会逐渐完美。最终我们只需随机输入，即可产生像模像样的明星照了。\n\n![Picture 2](http://ganart.org/image/20171109C.png)\n\n此前也有过学者尝试用GAN来生成动漫人物，训练出来的效果和漫画家的人物作品差异已经几乎无法识别。通过这种技术，未来的漫画作品可能会由普通人来产生，只需要有一个好的灵感，好的故事，一切围绕漫画的技术层面的工作就可以被简化。Nvidia的研究无疑解决了更高难度的问题，人脸的生成让更多需要使用真实人物来进行创作的场景虚拟化变成了可能。当然问题难度的提高，也意味着解决方案的准确性完善需要更多的时间。\n\n例如，下面这张脸究竟是男是女呢? \n\n![Picture 3](http://ganart.org/image/20171109B.png)\n\n[原文链接](http://ganart.org/2017/11/09/GAN-Face/)\n欢迎关注公众号\n\n![](https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png)",
      "json_metadata": "{\"tags\":[\"art\",\"cn\",\"ai\"],\"image\":[\"http://ganart.org/image/20171109A.png\",\"http://ganart.org/image/20171109C.png\",\"http://ganart.org/image/20171109B.png\",\"https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png\"],\"links\":[\"http://ganart.org/2017/11/09/GAN-Face/\"],\"app\":\"steemit/0.1\",\"format\":\"markdown\"}"
    }
  ]
}

{
  "trx_id": "7a29813f62cf7afcd19e8097c1cdd873e5f9e019",
  "block": 16907509,
  "trx_in_block": 12,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-03T20:18:24",
  "op": [
    "comment",
    {
      "parent_author": "ganart",
      "parent_permlink": "ai",
      "author": "catwomanteresa",
      "permlink": "re-ganart-ai-20171103t201825062z",
      "title": "",
      "body": "原本以為藝術創作不會被電腦取代，沒想到....... 這實在是令人很崩潰",
      "json_metadata": "{\"tags\":[\"art\"],\"app\":\"steemit/0.1\"}"
    }
  ]
}

{
  "trx_id": "8825e4f2dd240475d399ce8353d60e84574693cf",
  "block": 16907491,
  "trx_in_block": 14,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-03T20:17:30",
  "op": [
    "vote",
    {
      "voter": "catwomanteresa",
      "author": "ganart",
      "permlink": "ai",
      "weight": 2500
    }
  ]
}

{
  "trx_id": "c5fa3962b67101555eb1e885eb0102e8dd59f697",
  "block": 16904078,
  "trx_in_block": 1,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-03T17:26:51",
  "op": [
    "vote",
    {
      "voter": "tsudev5",
      "author": "ganart",
      "permlink": "ai",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "e6bcda43f1bdb5535601eda6549654a2d7ce46d3",
  "block": 16904074,
  "trx_in_block": 36,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-03T17:26:39",
  "op": [
    "vote",
    {
      "voter": "zimorodok",
      "author": "ganart",
      "permlink": "ai",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "972e8b77c4463e92ff90bfdfdecf6557d7ce12b0",
  "block": 16904074,
  "trx_in_block": 30,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-03T17:26:39",
  "op": [
    "vote",
    {
      "voter": "anurin",
      "author": "ganart",
      "permlink": "ai",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "07a9cb3a310d02a1caa717cec2070c562ea9601c",
  "block": 16904074,
  "trx_in_block": 15,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-03T17:26:39",
  "op": [
    "vote",
    {
      "voter": "kirikk",
      "author": "ganart",
      "permlink": "ai",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "f485842c55f7e28a485d06d39686c33456a0dfd5",
  "block": 16904074,
  "trx_in_block": 8,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-03T17:26:39",
  "op": [
    "vote",
    {
      "voter": "koremich",
      "author": "ganart",
      "permlink": "ai",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "51cf68de91417cff66a033945b07056289bdf287",
  "block": 16900751,
  "trx_in_block": 11,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-03T14:40:21",
  "op": [
    "vote",
    {
      "voter": "dmiton",
      "author": "ganart",
      "permlink": "ai",
      "weight": 300
    }
  ]
}

{
  "trx_id": "6a142b4d31776511b5b6f27717eac5e9d9f478d8",
  "block": 16900750,
  "trx_in_block": 13,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-03T14:40:18",
  "op": [
    "vote",
    {
      "voter": "ganart",
      "author": "ganart",
      "permlink": "ai",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "6a142b4d31776511b5b6f27717eac5e9d9f478d8",
  "block": 16900750,
  "trx_in_block": 13,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-11-03T14:40:18",
  "op": [
    "comment",
    {
      "parent_author": "",
      "parent_permlink": "art",
      "author": "ganart",
      "permlink": "ai",
      "title": "AI作曲到底可以达到什么程度？",
      "body": "![](http://ganart.org/image/20171103A.png)\n\n上一期介绍了首张AI协同创作的音乐专辑「I AM AI」，AI作为一个音乐家的合作者为其生成伴奏、和弦、配乐等，主打曲「Break Free」在Youtube上一经播出，便颇受好评，其极具未来感的MV画风也收到年轻用户的青睐。\n\n人机协同产生的音乐作品已经足够惊艳，那如果人缺席创作，完全由AI自身发挥时，AI在音乐领域的创造力能有多强呢？来自卢森堡和伦敦的创业团队的Aiva尝试给出一个答案。\n\n<iframe width=\"100%\" height=\"300\" scrolling=\"no\" frameborder=\"no\" src=\"https://w.soundcloud.com/player/?url=https%3A//api.soundcloud.com/playlists/246912922&amp;color=%23ff5500&amp;auto_play=false&amp;hide_related=false&amp;show_comments=true&amp;show_user=true&amp;show_reposts=false&amp;show_teaser=true&amp;visual=true\"></iframe>\n\n\nAiva，Artificial Intelligence Virtual Artist， 人工智能虚拟艺术家，TA是一个高效的音乐作曲家，专注于古典音乐，TA的艺术作品常常用作电影导演，广告代理商甚至游戏工作室的配乐。上面是Aiva创作的众多音乐作品中的一首，点击「阅读原文」可以到soundcloud上面听到其他作品。Aiva发行了第一张专辑 「Genesis」，并成为第一个正式获得Composer全球地位的AI，在法国和卢森堡的作曲家协会（SACEM）下注册，其所有作品都可以以Aiva署名。\n\n如果你心中还是抱有AI只是随机地，甚至是胡乱地，创造音乐，那你可能就想错了。Aiva大量音乐作品的质量已经堪比人类音乐家。而秘诀就是Aiva通过深度学习技术，吸收了海量的古典音乐作品。正如同人类音乐家在创作以前必须要经历漫长的模仿过程一样，Aiva通过计算机自己的方式快速成长，从模仿到创作的时间远远快过普通人。\n\n![](http://ganart.org/image/20171103B.png)\n\n据团队介绍，他们通过深层次的神经网络，让Aiva阅读大量由最着名的作曲家（巴赫，贝多芬，莫扎特等）编写的古典音乐。Aiva通过对现有音乐作品的学习来捕捉音乐理论的概念。听过大量音乐并学习了自己的音乐理论模型之后，Aiva组成了自己的乐谱。这些乐谱由专业艺术家在录音室的真实乐器上演绎，实现最佳音质。\n\n音乐界的图灵测试是把AI与作曲家各自作的曲子混在一起，如果在演奏的时候人们不能分辨出区别，那就是说这个AI已经通过了图灵测试的考验，而在实际测试过程中，测试者几乎完全无法分辨Aiva的作品。\n\nAiva的创造者还是表示：我们不用担心Aiva替代人类音乐家那一天的到来，在至少很长一段时间里，音乐创作还是会由两者共同完成。结合人的创新与AI的创造，也许才是最好的未来。\n\n\n[原文链接](http://ganart.org/2017/11/03/AIVA/)\n欢迎关注微信公众号号「GAN生成艺术」，直接在文中收听Aiva的歌曲。\n\n![Screen Shot 2017-10-31 at 10.55.49 AM.png](https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png)",
      "json_metadata": "{\"tags\":[\"art\",\"cn\",\"ai\",\"music\"],\"image\":[\"http://ganart.org/image/20171103A.png\",\"http://ganart.org/image/20171103B.png\",\"https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png\"],\"links\":[\"http://ganart.org/2017/11/03/AIVA/\"],\"app\":\"steemit/0.1\",\"format\":\"markdown\"}"
    }
  ]
}

{
  "trx_id": "3f5a1411e414aa85f98abd9ce4eafeeb22f9aa44",
  "block": 16800988,
  "trx_in_block": 3,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-10-31T03:31:36",
  "op": [
    "vote",
    {
      "voter": "ganart",
      "author": "alexandravart",
      "permlink": "identity-artwork-and-process",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "9797181cc30f258b50684d53da78f620e7684a20",
  "block": 16800593,
  "trx_in_block": 5,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-10-31T03:11:51",
  "op": [
    "vote",
    {
      "voter": "ganart",
      "author": "carolineschell",
      "permlink": "spirutual-transition-transizione-spirituale",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "28db1eb6c308c8103bfcff1093c8b782613bf002",
  "block": 16800565,
  "trx_in_block": 0,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-10-31T03:10:27",
  "op": [
    "vote",
    {
      "voter": "ganart",
      "author": "ganart",
      "permlink": "i-am-ai",
      "weight": 10000
    }
  ]
}

{
  "trx_id": "28db1eb6c308c8103bfcff1093c8b782613bf002",
  "block": 16800565,
  "trx_in_block": 0,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-10-31T03:10:27",
  "op": [
    "comment",
    {
      "parent_author": "",
      "parent_permlink": "art",
      "author": "ganart",
      "permlink": "i-am-ai",
      "title": "I AM AI",
      "body": "https://www.youtube.com/watch?v=XUs6CznN8pw\n\n近日Youtube网络歌手Taryn Southern 发布了最新专辑「I AM AI」，而这注定是一张意义非凡的作品。AI全程参与了这张音乐大碟的制作，首发的歌曲「Break Free」也饱含了浓浓的未来感。MV中的视频部分也采用了DeepDream生成器合成的图像，更为这首歌添加了一份神秘的色彩。\n\nTaryn Souther对工程技术领域有较大兴趣，自带的这种基因导致她在早期就试图探索一种新的音乐创作方式。在这项技术诞生初期，一些非开源的创新项目的报道引起了Souther的关注。直到类似于AmperMusic这样的开源平台组建，让她感觉到一直寻找的突破性的交互创作会成为现实。\n\n![Picture 1](http://ganart.org/image/20171031A.png)\n\n「Braek Free」这首歌曲并非完全由AI制作，AI在其中的作用更像是音乐家的合作者，为其生成伴奏、和弦、配乐等工作。Souther在AmperMusic平台上开始尝试创作初期，只列举了一些乐器、节拍、音调、流派的要求，并不直接给出歌词或者旋律等容易引导AI向某个特定方向发展的元素。AI会根据Souther的输入给出一首歌曲，Souther在这个基础上再进行迭代，随意的调整流派，增删乐器和弦等，直到调整到满意为止。\n\nAmperMusic提供的AI技术目前更为擅长的是编曲和制作乐器，对于音乐的基础结构还没有研究得很透彻。因此音乐家需要有自己的主旋律，而后AI自发组建音乐完整性，并变成一首可以直接发售的歌曲。\n\n对于不擅长很多种乐器的音乐创作者来说，和AI协同创作的方式无疑是让人轻松和解放的。这意味着音乐创作者不需要具备高深的乐器知识，只需要有好的耳朵并且了解音乐的结构，就可以较为简单地把灵感转变为作品。Souther只会基础的钢琴，所以在以往如果她要创作一首歌曲，需要和专业的音乐制作人一起合作。而现在，她只需要在AI音乐创作公司提供的平台上不断尝试和迭代，就可以有所收获，甚至由于AI本身带有的偏离值会迸发出一些跳跃式的意料之外的结果，这无疑是让人兴奋的。音乐创作工具AmperMusic也表示未来的音乐必然会是由人和AI携手完成的。他们希望把这种合作的体验完全融合在创作当中。\n\n除了Taryn Southern的尝试，AmperMusic上还有其他创作者的作品，微信公众号原文中包含另外一首歌曲供大家欣赏。可以感受到AI协同创作的音乐作品具有一种奔放磅礴的气势，和民谣音乐的清新气质比较背离，比较适合影视背景配乐。这也许和AmperMusic最开始训练集中的流派相关性有一定关系。\n\n「I AM AI」虽然不是第一个音乐AI，但可以算作是AI第一次在音乐领域作出这么大的动静，即作出一张完整的个人专辑。想必这一定会改变未来的音乐行业，让我们一起期待人机协作的音乐创作时代到来。\n\n[原文链接](http://ganart.org/2017/12/01/I-AM-AI/)\n欢迎关注微信公众号\n\n![Screen Shot 2017-10-31 at 10.55.49 AM.png](https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png)",
      "json_metadata": "{\"tags\":[\"art\",\"ai\"],\"image\":[\"https://img.youtube.com/vi/XUs6CznN8pw/0.jpg\",\"http://ganart.org/image/20171031A.png\",\"https://steemitimages.com/DQmVi18oQiLNw3KCNU6H1HXwtbVbpNiEW2ZDVbdMmdL2B2Y/Screen%20Shot%202017-10-31%20at%2010.55.49%20AM.png\"],\"links\":[\"https://www.youtube.com/watch?v=XUs6CznN8pw\",\"http://ganart.org/2017/12/01/I-AM-AI/\"],\"app\":\"steemit/0.1\",\"format\":\"markdown\"}"
    }
  ]
}

{
  "trx_id": "cf41ed1d9355a199d42ec2c1abd784d250e56379",
  "block": 16745846,
  "trx_in_block": 5,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-10-29T05:34:18",
  "op": [
    "account_update",
    {
      "account": "ganart",
      "memo_key": "STM5rctbSAbR8LC6HKeXJZ1QQ92h5kWPqGhssxz99ZU4NmEoZYU3v",
      "json_metadata": "{\"profile\":{\"website\":\"http://ganart.org\",\"name\":\"GAN生成艺术\"}}"
    }
  ]
}

{
  "trx_id": "6d1345450f6f13a72de30a49e9b2376bc5a178aa",
  "block": 16743213,
  "trx_in_block": 11,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-10-29T03:22:36",
  "op": [
    "vote",
    {
      "voter": "fivestargroup",
      "author": "ganart",
      "permlink": "3jgxnq",
      "weight": 2
    }
  ]
}

{
  "trx_id": "041469200bdbd4409a7b6feb43b051f8323cea0d",
  "block": 16743212,
  "trx_in_block": 3,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-10-29T03:22:33",
  "op": [
    "account_update",
    {
      "account": "ganart",
      "memo_key": "STM5rctbSAbR8LC6HKeXJZ1QQ92h5kWPqGhssxz99ZU4NmEoZYU3v",
      "json_metadata": "{\"profile\":{\"website\":\"http://ganart.org\"}}"
    }
  ]
}

{
  "trx_id": "97ecf8b9695a9dad17472f9997b3e684c91e22c1",
  "block": 16743194,
  "trx_in_block": 14,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-10-29T03:21:39",
  "op": [
    "comment",
    {
      "parent_author": "",
      "parent_permlink": "art",
      "author": "ganart",
      "permlink": "3jgxnq",
      "title": "机器可以创造艺术吗？",
      "body": "@@ -569,8 +569,64 @@\n art.org)\n+%0A%0A%5B%E5%8E%9F%E6%96%87%E9%93%BE%E6%8E%A5%5D(http://ganart.org/2017/10/24/introduce-to-CAN/)\n",
      "json_metadata": "{\"tags\":[\"art\"],\"image\":[\"http://ganart.org/image/20171124.png\"],\"links\":[\"https://arxiv.org/pdf/1706.07068.pdf\",\"http://ganart.org\",\"http://ganart.org/2017/10/24/introduce-to-CAN/\"],\"app\":\"steemit/0.1\",\"format\":\"markdown\"}"
    }
  ]
}

{
  "trx_id": "5867b29de831d0e8688b0e047611423c8451099d",
  "block": 16743193,
  "trx_in_block": 15,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-10-29T03:21:36",
  "op": [
    "vote",
    {
      "voter": "fivestargroup",
      "author": "ganart",
      "permlink": "ar",
      "weight": 2
    }
  ]
}

{
  "trx_id": "fe128de85700ac3b35a9f5bf709e7b30d4391ff2",
  "block": 16743181,
  "trx_in_block": 8,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-10-29T03:21:00",
  "op": [
    "comment",
    {
      "parent_author": "",
      "parent_permlink": "art",
      "author": "ganart",
      "permlink": "ar",
      "title": "AR场景下的风格转换",
      "body": "@@ -693,16 +693,51 @@\n %E8%89%BA%E6%9C%AF%E3%80%91%E6%9F%A5%E7%9C%8B*%0A%0A\n+%0A%E6%AC%A2%E8%BF%8E%E5%85%B3%E6%B3%A8%5BGAN%E7%94%9F%E6%88%90%E8%89%BA%E6%9C%AF%5D(http://ganart.org)%0A%0A\n %5B%E5%8E%9F%E6%96%87%E9%93%BE%E6%8E%A5%5D(h\n@@ -788,37 +788,4 @@\n er/)\n-%0A%E6%AC%A2%E8%BF%8E%E5%85%B3%E6%B3%A8%5BGAN%E7%94%9F%E6%88%90%E8%89%BA%E6%9C%AF%5D(http://ganart.org)\n",
      "json_metadata": "{\"tags\":[\"art\",\"ar\"],\"image\":[\"http://ganart.org/image/20171029A.png\",\"http://ganart.org/image/20171029B.png\",\"http://ganart.org/image/20171029C.png\"],\"links\":[\"https://twitter.com/madewithARKit\",\"https://twitter.com/laanlabs\",\"http://ganart.org\",\"http://ganart.org/2017/10/29/Air-Style-Transfer/\"],\"app\":\"steemit/0.1\",\"format\":\"markdown\"}"
    }
  ]
}

{
  "trx_id": "6cea0a6f3ce0be9ca404e6f2817e9f0fb0b3eafd",
  "block": 16743173,
  "trx_in_block": 5,
  "op_in_trx": 0,
  "virtual_op": 0,
  "timestamp": "2017-10-29T03:20:36",
  "op": [
    "comment",
    {
      "parent_author": "",
      "parent_permlink": "art",
      "author": "ganart",
      "permlink": "ar",
      "title": "AR场景下的风格转换",
      "body": "@@ -693,16 +693,73 @@\n %E8%89%BA%E6%9C%AF%E3%80%91%E6%9F%A5%E7%9C%8B*%0A%0A\n+%5B%E5%8E%9F%E6%96%87%E9%93%BE%E6%8E%A5%5D(http://ganart.org/2017/10/29/Air-Style-Transfer/)%0A\n %E6%AC%A2%E8%BF%8E%E5%85%B3%E6%B3%A8%5BGAN\n",
      "json_metadata": "{\"tags\":[\"art\",\"ar\"],\"image\":[\"http://ganart.org/image/20171029A.png\",\"http://ganart.org/image/20171029B.png\",\"http://ganart.org/image/20171029C.png\"],\"links\":[\"https://twitter.com/madewithARKit\",\"https://twitter.com/laanlabs\",\"http://ganart.org/2017/10/29/Air-Style-Transfer/\",\"http://ganart.org\"],\"app\":\"steemit/0.1\",\"format\":\"markdown\"}"
    }
  ]
}