論文の概要: Visual link retrieval and knowledge discovery in painting datasets

• arxiv url: http://arxiv.org/abs/2003.08476v2
• Date: Thu, 22 Oct 2020 15:31:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 12:59:22.371532
• Title: Visual link retrieval and knowledge discovery in painting datasets
• Title（参考訳）: 絵画データセットにおける視覚リンク検索と知識発見
• Authors: Giovanna Castellano and Eufemia Lella and Gennaro Vessio
• Abstract要約: 本稿では,デジタル絵画データセットにおける視覚的リンク検索と知識発見のためのフレームワークを提案する。 ビジュアルリンク検索は、ディープ畳み込みニューラルネットワークを用いて特徴抽出を行う。 歴史的知識発見は、グラフ解析を行うことによって達成される。
• 参考スコア（独自算出の注目度）: 14.149494915144322
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual arts are of inestimable importance for the cultural, historic and economic growth of our society. One of the building blocks of most analysis in visual arts is to find similarity relationships among paintings of different artists and painting schools. To help art historians better understand visual arts, this paper presents a framework for visual link retrieval and knowledge discovery in digital painting datasets. Visual link retrieval is accomplished by using a deep convolutional neural network to perform feature extraction and a fully unsupervised nearest neighbor mechanism to retrieve links among digitized paintings. Historical knowledge discovery is achieved by performing a graph analysis that makes it possible to study influences among artists. An experimental evaluation on a database collecting paintings by very popular artists shows the effectiveness of the method. The unsupervised strategy makes the method interesting especially in cases where metadata are scarce, unavailable or difficult to collect.
• Abstract（参考訳）: 視覚芸術は、我々の社会の文化的、歴史的、経済的成長にとって決定的に重要である。 視覚芸術におけるほとんどの分析の構成要素の1つは、異なる芸術家と絵画学校の間の類似性関係を見つけることである。 美術史家の視覚芸術の理解を深めるために,デジタル絵画データセットにおける視覚的リンク検索と知識発見の枠組みを提案する。 深層畳み込みニューラルネットワークを用いて特徴抽出と、デジタル絵画間のリンクを検索する完全に教師なし隣人機構により、ビジュアルリンク検索を実現する。 歴史的知識発見は、アーティスト間の影響を研究することができるグラフ解析を行うことによって達成される。 人気アーティストによる絵を収集するデータベース実験により,本手法の有効性が示された。 教師なしの戦略は、メタデータが不足したり、利用できないり、収集が難しい場合に特に興味深い。

関連論文リスト

• GalleryGPT: Analyzing Paintings with Large Multimodal Models [64.98398357569765]
  美術品の分析は、個人の審美性を豊かにし、批判的思考能力を促進することができる芸術鑑賞のための重要かつ基本的な技術である。 アートワークを自動解析する以前の作業は、主に分類、検索、その他の単純なタスクに焦点を当てており、AIの目標とは程遠い。 LLaVAアーキテクチャに基づいて微調整されたGalleryGPTと呼ばれる,絵画解析のための優れた大規模マルチモーダルモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-01T11:52:56Z)
• Learning to Evaluate the Artness of AI-generated Images [64.48229009396186]
  アートスコア(ArtScore)は、アーティストによる本物のアートワークと画像がどの程度似ているかを評価するために設計されたメトリクスである。 我々は、写真とアートワークの生成のために事前訓練されたモデルを採用し、一連の混合モデルを生み出した。 このデータセットはニューラルネットワークのトレーニングに使用され、任意の画像の定量化精度レベルを推定する方法を学ぶ。
  論文  参考訳（メタデータ） (2023-05-08T17:58:27Z)
• Synergy of Machine and Deep Learning Models for Multi-Painter Recognition [0.0]
  我々は,62名のアーティストを含む絵画認識タスクのための大規模データセットを新たに導入し,良好な結果を得た。 RegNetは、機能をエクスポートする上で、SVMは、最大85%のパフォーマンスを持つ画家に基づいて、イメージの最高の分類を行う。
  論文  参考訳（メタデータ） (2023-04-28T11:34:53Z)
• A domain adaptive deep learning solution for scanpath prediction of paintings [66.46953851227454]
  本稿では,ある絵画の視覚的体験における視聴者の眼球運動分析に焦点を当てた。 我々は、人間の視覚的注意を予測するための新しいアプローチを導入し、人間の認知機能に影響を及ぼす。 提案した新しいアーキテクチャは、画像を取り込んでスキャンパスを返す。
  論文  参考訳（メタデータ） (2022-09-22T22:27:08Z)
• One-shot Scene Graph Generation [130.57405850346836]
  ワンショットシーングラフ生成タスクに対して,複数の構造化知識(関係知識知識)を提案する。 提案手法は既存の最先端手法よりも大きなマージンで優れる。
  論文  参考訳（メタデータ） (2022-02-22T11:32:59Z)
• Compositional Scene Representation Learning via Reconstruction: A Survey [48.33349317481124]
  構成シーン表現学習はそのような能力を実現するタスクである。 ディープニューラルネットワークは表現学習において有利であることが証明されている。 大量のラベルのないデータを使用し、費用がかかるデータアノテーションを避けることができるため、再構築による学習は有利である。
  論文  参考訳（メタデータ） (2022-02-15T02:14:05Z)
• Learning Co-segmentation by Segment Swapping for Retrieval and Discovery [67.6609943904996]
  この研究の目的は、一対のイメージから視覚的に類似したパターンを効率的に識別することである。 画像中のオブジェクトセグメントを選択し、それを別の画像にコピーペーストすることで、合成トレーニングペアを生成する。 提案手法は,Brueghelデータセット上でのアートワークの詳細検索に対して,明確な改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-10-29T16:51:16Z)
• ArtGraph: Towards an Artistic Knowledge Graph [6.233095477694583]
  本稿では,WikiArtとDBpediaをベースとした芸術知識グラフArtGraphについて述べる。 芸術領域におけるより強力な情報検索および知識発見ツールのための貴重な資源として、アート、アーティスト、絵画学校等の豊富な情報を統一された構造化された枠組みに統合する知識グラフを提供する。
  論文  参考訳（メタデータ） (2021-05-31T15:09:05Z)
• Insights From A Large-Scale Database of Material Depictions In Paintings [18.2193253052961]
  本稿では,視覚認識システムと美術品で利用可能な豊富な情報との関係について検討する。 自然画像用に設計された視覚認識システムは、絵画で驚くほどうまく機能する。 絵画からの学習は、自然画像に使用されることを意図したニューラルネットワークにとって有益であることを示す。
  論文  参考訳（メタデータ） (2020-11-24T18:42:58Z)
• Demographic Influences on Contemporary Art with Unsupervised Style Embeddings [25.107166631583212]
  contempArtは絵画と図面のコレクションであり、Instagram上のソーシャル接続と追加の社会デマグラフィー情報に基づく詳細なグラフネットワークである。 画像の教師なしスタイルの埋め込みを生成するのに適した3つの手法を評価し,残りのデータと相関する。
  論文  参考訳（メタデータ） (2020-09-30T10:13:18Z)
• Understanding Compositional Structures in Art Historical Images using Pose and Gaze Priors [20.98603643788824]
  画像合成は、アーティストとそのアートワークを研究するために、画像内の相互作用を分析するのに有用である。 本研究では,既存の機械学習技術を用いて,このプロセスの自動化を試みる。 本手法は, (a) 絵画のアクション領域とアクションラインの検出, (b) 前景と背景のポーズに基づくセグメンテーションの2つの中心的なテーマに焦点を当てる。
  論文  参考訳（メタデータ） (2020-09-08T15:01:56Z)

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。