論文の概要: Understanding Aesthetic Evaluation using Deep Learning

• arxiv url: http://arxiv.org/abs/2004.06874v1
• Date: Wed, 15 Apr 2020 04:18:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-13 02:47:10.907200
• Title: Understanding Aesthetic Evaluation using Deep Learning
• Title（参考訳）: 深層学習による美的評価の理解
• Authors: Jon McCormack and Andy Lomas
• Abstract要約: 本稿では,近年の深層学習の進歩が,個人的審美判断の自動化にどのように役立つかを検討する。 我々は,ジェノタイプ空間と表現型空間の両方を可視化するために次元還元法を用いて,任意の生成系における新しい領域の探索を支援する。 ユーザの以前の審美評価に基づいてトレーニングされた畳み込みニューラルネットワークは、既知の高品質なジェノタイプ-フェノタイプマッピング間の新たな可能性を提案するために使用される。
• 参考スコア（独自算出の注目度）: 5.837881923712394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A bottleneck in any evolutionary art system is aesthetic evaluation. Many different methods have been proposed to automate the evaluation of aesthetics, including measures of symmetry, coherence, complexity, contrast and grouping. The interactive genetic algorithm (IGA) relies on human-in-the-loop, subjective evaluation of aesthetics, but limits possibilities for large search due to user fatigue and small population sizes. In this paper we look at how recent advances in deep learning can assist in automating personal aesthetic judgement. Using a leading artist's computer art dataset, we use dimensionality reduction methods to visualise both genotype and phenotype space in order to support the exploration of new territory in any generative system. Convolutional Neural Networks trained on the user's prior aesthetic evaluations are used to suggest new possibilities similar or between known high quality genotype-phenotype mappings.
• Abstract（参考訳）: 進化的アートシステムのボトルネックは美的評価である。 対称性, コヒーレンス, 複雑性, コントラスト, グループ化など, 美学の評価を自動化するための様々な方法が提案されている。 対話型遺伝的アルゴリズム (IGA) は, 利用者の疲労や人口規模が小さいため, 美学の主観的評価に頼っているが, 大規模な探索の可能性には限界がある。 本稿では,近年の深層学習の進歩が,個人的審美判断の自動化にどのように役立つかを検討する。 先導的なアーティストのコンピュータアートデータセットを用いて, ジェノタイプと表現型空間の両方を可視化し, 生成系における新しい領域の探索を支援する。 ユーザの以前の審美評価に基づいてトレーニングされた畳み込みニューラルネットワークは、既知の高品質なジェノタイプ-フェノタイプマッピング間の新たな可能性を提案するために使用される。

関連論文リスト

• Alien Recombination: Exploring Concept Blends Beyond Human Cognitive Availability in Visual Art [90.8684263806649]
  視覚芸術の創造において、AIが人間の認知的限界を超越する方法を示します。 我々の研究は、視覚芸術には膨大な未探索の概念的組み合わせが含まれているという仮説を立てている。 本稿では,人間の認知能力を超えた概念の組み合わせを同定し,生成するエイリアン組換え法を提案する。
  論文  参考訳（メタデータ） (2024-11-18T11:55:38Z)
• Ensembling convolutional neural networks for human skin segmentation [2.8391355909797644]
  本稿では、異なる特徴に着目したデータセットを用いて畳み込みネットワークを訓練し、個々の結果を効果的に組み合わせたアンサンブルを作成することを提案する。 本研究は,セマンティックセグメンテーションシステムの性能を向上する,アンサンブルに基づく新しい手法の開発に役立てることを期待している。
  論文  参考訳（メタデータ） (2024-07-27T17:55:28Z)
• Aligning Vision Models with Human Aesthetics in Retrieval: Benchmarks and Algorithms [91.19304518033144]
  検索システムにおける視覚モデルと人間の審美基準の整合を図る。 本研究では、視覚モデルと人間の美学をよりよく整合させるために、視覚モデルを微調整する嗜好に基づく強化学習手法を提案する。
  論文  参考訳（メタデータ） (2024-06-13T17:59:20Z)
• EvalAttAI: A Holistic Approach to Evaluating Attribution Maps in Robust and Non-Robust Models [0.3425341633647624]
  本稿では、ロバストニューラルネットワークがより説明しやすいかどうかを調べるために、属性マッピングの評価方法に焦点を当てる。 従来の指標の限界に対処する新しい説明可能性忠実度指標(EvalAttAI)を提案する。
  論文  参考訳（メタデータ） (2023-03-15T18:33:22Z)
• Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders [55.41644538483948]
  分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。 従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。 本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
  論文  参考訳（メタデータ） (2022-10-23T11:52:57Z)
• Behind the Machine's Gaze: Biologically Constrained Neural Networks Exhibit Human-like Visual Attention [40.878963450471026]
  トップダウン方式でビジュアル・スキャンパスを生成するニューラル・ビジュアル・アテンション(NeVA)アルゴリズムを提案する。 提案手法は,人間の走査パスと類似性の観点から,最先端の非監視的注意モデルより優れていることを示す。
  論文  参考訳（メタデータ） (2022-04-19T18:57:47Z)
• FuNNscope: Visual microscope for interactively exploring the loss landscape of fully connected neural networks [77.34726150561087]
  ニューラルネットワークの高次元景観特性を探索する方法を示す。 我々は、小さなニューラルネットワークの観測結果をより複雑なシステムに一般化する。 インタラクティブダッシュボードは、いくつかのアプリケーションネットワークを開放する。
  論文  参考訳（メタデータ） (2022-04-09T16:41:53Z)
• Quality-diversity for aesthetic evolution [5.837881923712394]
  創造的な生成システムを探索するために,品質多様性探索手法を適用した。 多様性を計算するために、畳み込みニューラルネットワークを使用して、次元的に2次元に縮小された特徴を識別する。 品質多様性探索は, 高い美的価値を示す複数の表現型を見出すことができることを示す。
  論文  参考訳（メタデータ） (2022-02-04T04:11:21Z)
• Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
  ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。 2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。 提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
  論文  参考訳（メタデータ） (2021-12-23T12:17:47Z)
• This is not the Texture you are looking for! Introducing Novel Counterfactual Explanations for Non-Experts using Generative Adversarial Learning [59.17685450892182]
  反実用説明システムは、入力画像を変更して反実用推論を可能にする。 本稿では, 対向画像から画像への変換技術に基づく, 対向画像の説明を新たに生成する手法を提案する。 その結果,我々のアプローチは,2つの最先端技術システムよりも,メンタルモデル,説明満足度,信頼度,感情,自己効力に関して有意に優れた結果をもたらすことがわかった。
  論文  参考訳（メタデータ） (2020-12-22T10:08:05Z)
• Deep Learning of Individual Aesthetics [5.837881923712394]
  複雑度などの画像計測と人体美的評価の関係について検討する。 我々は、ジェノタイプ空間と表現型空間の両方を可視化するために次元還元法を用いて、生成系における新しい領域の探索を支援する。 我々はこの分類と発見システムを、複雑な生成技術と設計を進化させるソフトウェアツールに統合する。
  論文  参考訳（メタデータ） (2020-09-24T03:04:28Z)

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。