論文の概要: Predicting A Creator's Preferences In, and From, Interactive Generative Art

• arxiv url: http://arxiv.org/abs/2003.01274v1
• Date: Tue, 3 Mar 2020 01:05:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-26 22:26:45.299052
• Title: Predicting A Creator's Preferences In, and From, Interactive Generative Art
• Title（参考訳）: インタラクティブな生成芸術における創造者の選好の予測
• Authors: Devi Parikh
• Abstract要約: 我々は311人の被験者の好みを、特定の生成芸術形式と他の生活様式の両方で収集する。 我々は、好みを分析し、機械学習モデルを訓練し、残りから好みのサブセットを予測する。 我々の研究した生成芸術形態の嗜好は、偶然(およびその逆)よりも、他の人生の歩みの嗜好を予測できないことがわかりました。
• 参考スコア（独自算出の注目度）: 47.68552532886138
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As a lay user creates an art piece using an interactive generative art tool, what, if anything, do the choices they make tell us about them and their preferences? These preferences could be in the specific generative art form (e.g., color palettes, density of the piece, thickness or curvatures of any lines in the piece); predicting them could lead to a smarter interactive tool. Or they could be preferences in other walks of life (e.g., music, fashion, food, interior design, paintings) or attributes of the person (e.g., personality type, gender, artistic inclinations); predicting them could lead to improved personalized recommendations for products or experiences. To study this research question, we collect preferences from 311 subjects, both in a specific generative art form and in other walks of life. We analyze the preferences and train machine learning models to predict a subset of preferences from the remaining. We find that preferences in the generative art form we studied cannot predict preferences in other walks of life better than chance (and vice versa). However, preferences within the generative art form are reliably predictive of each other.
• Abstract（参考訳）: 在職ユーザーがインタラクティブな生成的アートツールを使ってアート作品を作るとき、何があっても、彼らがそれらとその好みについて教えてくれますか? これらの嗜好は、特定の生成芸術形式(例えば、色パレット、作品の密度、作品のどのラインの厚みや曲率も)であり、それらを予測することでよりスマートなインタラクティブなツールに繋がる可能性がある。 あるいは、他の生活様式(音楽、ファッション、食べ物、インテリアデザイン、絵画など)や個人の属性(パーソナリティタイプ、性別、芸術的インクリメントなど)の好みになる可能性があり、それらを予測することで、製品や経験に対するパーソナライズドレコメンデーションが改善される可能性がある。 本研究は, 特定の生成芸術形態と他の生活様式の両方において, 311人の被験者の嗜好を収集するものである。 我々は、好みを分析し、機械学習モデルを訓練し、残りの好みのサブセットを予測する。 私たちが研究した生成的芸術形態の選好は、偶然よりも他の人生における選好を予測できない(そしてその逆も)。 しかし、生成芸術形式内の嗜好は互いに確実に予測可能である。

関連論文リスト

• DegustaBot: Zero-Shot Visual Preference Estimation for Personalized Multi-Object Rearrangement [53.86523017756224]
  本稿では,視覚的嗜好学習のためのアルゴリズムであるDegustaBotを提案する。 我々は、シミュレーション表設定タスクにおいて、自然主義的個人的嗜好の大規模なデータセットを収集する。 私たちのモデルの予測の50%は、少なくとも20%の人々に受け入れられる可能性が高いことが分かりました。
  論文  参考訳（メタデータ） (2024-07-11T21:28:02Z)
• Human Aesthetic Preference-Based Large Text-to-Image Model Personalization: Kandinsky Generation as an Example [4.744780823386797]
  本稿では,パーソナライズされた絵画コンテンツを自動的に生成する,プロンプトフリーな生成手法を提案する。 アーティストモデル生成画像に対するユーザの美的評価と嗜好を頼りにすることで、ユーザをパーソナライズしたモデルにする。
  論文  参考訳（メタデータ） (2024-02-09T13:11:19Z)
• Promptable Behaviors: Personalizing Multi-Objective Rewards from Human Preferences [53.353022588751585]
  本稿では,ロボットエージェントの多種多様な嗜好に対する効率的なパーソナライズを促進する新しいフレームワークであるPromptable Behaviorsを紹介する。 我々は、異なるタイプの相互作用を活用することによって、人間の嗜好を推測する3つの異なる方法を紹介した。 本稿では,ProcTHOR と Robothor のナビゲーションタスクをパーソナライズしたオブジェクトゴールナビゲーションおよびエスケープナビゲーションタスクにおいて,提案手法の評価を行う。
  論文  参考訳（メタデータ） (2023-12-14T21:00:56Z)
• TidyBot: Personalized Robot Assistance with Large Language Models [46.629932362863386]
  重要な課題は、各オブジェクトを置く適切な場所を決定することです。 ある人は引き出しにシャツを保管することを好むかもしれないし、別の人は棚にシャツを保管することを好むかもしれない。 ロボットは、言語に基づく計画と知覚を、大規模言語モデルの数発の要約能力と組み合わせることができることを示す。
  論文  参考訳（メタデータ） (2023-05-09T17:52:59Z)
• Models of human preference for learning reward functions [80.39289349661364]
  そこで我々は,一対の軌跡区間間の人為的嗜好から報酬関数を学習する。 この仮定に欠陥があることに気付き、各セグメントの後悔が示すように、人間の嗜好をモデル化することを提案する。 提案した後悔の選好モデルは、実際の人間の選好をより良く予測し、また、これらの選好から報酬関数を学習し、より人道的な政策へと導く。
  論文  参考訳（メタデータ） (2022-06-05T17:58:02Z)
• Preference Dynamics Under Personalized Recommendations [12.89628003097857]
  ユーザがパーソナライズされたコンテンツレコメンデーションを受けると、偏光に類似する現象が生じるかどうかを示す。 より興味深い目的は、リコメンデーションアルゴリズムがユーザの好みの定常性を保証するための条件を理解することである。
  論文  参考訳（メタデータ） (2022-05-25T19:29:53Z)
• Indecision Modeling [50.00689136829134]
  AIシステムは人間の価値観に合わせて行動することが重要である。 人々はしばしば決定的ではなく、特に彼らの決定が道徳的な意味を持つときです。
  論文  参考訳（メタデータ） (2020-12-15T18:32:37Z)
• Learning Preference-Based Similarities from Face Images using Siamese Multi-Task CNNs [78.24964622317633]
  オンラインデートプラットフォームの大きな課題は、ユーザに適したマッチングを決定することだ。 ディープラーニングアプローチは、人間の顔からある程度まで様々な特性を予測できることを示した。 画像ベースマッチングの実現可能性について検討し,個人の関心や嗜好,態度とマッチングする方法について検討した。
  論文  参考訳（メタデータ） (2020-01-25T23:08:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。