CPPN-WGAN

用CPPN+WGAN生成高质抽象艺术，探索AI创作边界

CPPN-WGAN 是一个将组合模式生成网络（CPPN）与 Wasserstein GAN（WGAN）结合的开源生成艺术实验项目。它利用 CPPN 的连续空间映射能力生成抽象图案，并通过 WGAN 的对抗训练提升生成图像的多样性和质量。项目主要解决传统 CPPN 生成图像缺乏真实感、模式单一的问题，同时探索生成对抗网络在艺术创作中的应用边界。核心能力包括：基于 TensorFlow 的模型实现、可调节的生成参数、训练与生成脚本，以及示例输出。作为早期实验项目，它提供了简洁的代码结构和清晰的文档，适合对生成艺术和 GAN 感兴趣的开发者学习与二次开发。