論文の概要: Learning of Art Style Using AI and Its Evaluation Based on Psychological
Experiments
- arxiv url: http://arxiv.org/abs/2005.02220v1
- Date: Mon, 4 May 2020 07:19:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-07 01:13:02.706457
- Title: Learning of Art Style Using AI and Its Evaluation Based on Psychological
Experiments
- Title(参考訳): AIを用いたアートスタイルの学習とその心理実験による評価
- Authors: Mai Cong Hung, Ryohei Nakatsu, Naoko Tosa, Takashi Kusumi, Koji
Koyamada
- Abstract要約: GAN(Generative Adversarial Network)は、より少ないトレーニングデータでディープラーニングを実行できる新しいAI技術である。
GANを用いて異なるスタイルのアートセットの比較を行った。
- 参考スコア(独自算出の注目度): 1.0499611180329802
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: GANs (Generative adversarial networks) is a new AI technology that can
perform deep learning with less training data and has the capability of
achieving transformation between two image sets. Using GAN we have carried out
a comparison between several art sets with different art style. We have
prepared several image sets; a flower photo set (A), an art image set (B1) of
Impressionism drawings, an art image set of abstract paintings (B2), an art
image set of Chinese figurative paintings, (B3), and an art image set of
abstract images (B4) created by Naoko Tosa, one of the authors. Transformation
between set A to each of B was carried out using GAN and four image sets (B1,
B2, B3, B4) was obtained. Using these four image sets we have carried out
psychological experiment by asking subjects consisting of 23 students to fill
in questionnaires. By analyzing the obtained questionnaires, we have found the
followings. Abstract drawings and figurative drawings are clearly judged to be
different. Figurative drawings in West and East were judged to be similar.
Abstract images by Naoko Tosa were judged as similar to Western abstract
images. These results show that AI could be used as an analysis tool to reveal
differences between art genres.
- Abstract(参考訳): GAN(Generative Adversarial Network)は、より少ないトレーニングデータでディープラーニングを実行し、2つのイメージセット間の変換を実現する、新たなAI技術である。
ganを用いて、異なるアートスタイルを持つ複数のアートセットの比較を行いました。
筆者の1人である土佐直子によって作成された、花写真(A)、印象派画の画像(B1)、抽象画の画像(B2)、中国図画の画像(B3)、抽象画の画像(B4)など、いくつかの画像セットを用意した。
GANを用いて集合Aから各Bへの変換を行い、4つの画像集合(B1,B2,B3,B4)を得た。
これら4つの画像を用いて,23名からなる被験者にアンケートの記入を依頼し,心理実験を行った。
得られたアンケートを分析した結果,以下の結果が得られた。
抽象図面と図形図面は明らかに異なると判断される。
西と東の比定図は似ていると判断された。
土佐直子による抽象画像は西洋の抽象画像と類似していると判断された。
これらの結果は、アートジャンルの違いを明らかにする分析ツールとしてAIが使用できることを示している。
関連論文リスト
- DLP-GAN: learning to draw modern Chinese landscape photos with
generative adversarial network [20.74857981451259]
中国の風景画は独特で芸術的な様式であり、その画法は色と現実的な物体表現の両方において非常に抽象的である。
従来は、近代の絵から古代の墨画への移行に焦点が当てられていたが、風景画を近代の絵に翻訳することにはほとんど関心が向けられていない。
論文 参考訳(メタデータ) (2024-03-06T04:46:03Z) - AI Art Neural Constellation: Revealing the Collective and Contrastive
State of AI-Generated and Human Art [36.21731898719347]
我々は、人間の芸術遺産の文脈内でAI生成芸術を位置づけるための包括的な分析を行う。
私たちの比較分析は、ArtConstellationと呼ばれる広範なデータセットに基づいています。
鍵となる発見は、1800-2000年に作られた現代美術の原理とAIが生成したアートアートが視覚的に関連していることである。
論文 参考訳(メタデータ) (2024-02-04T11:49:51Z) - Impressions: Understanding Visual Semiotics and Aesthetic Impact [66.40617566253404]
画像のセミオティックスを調べるための新しいデータセットであるImpressionsを提示する。
既存のマルチモーダル画像キャプションと条件付き生成モデルは、画像に対する可視的応答をシミュレートするのに苦労していることを示す。
このデータセットは、微調整と少数ショット適応により、画像の印象や美的評価をモデル化する能力を大幅に改善する。
論文 参考訳(メタデータ) (2023-10-27T04:30:18Z) - ARTxAI: Explainable Artificial Intelligence Curates Deep Representation
Learning for Artistic Images using Fuzzy Techniques [11.286457041998569]
芸術的画像分類における異なる課題から得られる特徴が、類似した性質の他の課題を解決するのにどのように適しているかを示す。
本稿では、画像の既知の視覚特性をディープラーニングモデルで用いる特徴にマッピングする、説明可能な人工知能手法を提案する。
論文 参考訳(メタデータ) (2023-08-29T13:15:13Z) - Text-Guided Synthesis of Eulerian Cinemagraphs [81.20353774053768]
テキスト記述からシネマグラフを作成する完全自動化された方法であるText2Cinemagraphを紹介する。
連続した動きと反復的なテクスチャを示す流れの川や漂流する雲などの流体要素のシネマグラフに焦点を当てる。
論文 参考訳(メタデータ) (2023-07-06T17:59:31Z) - 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) - Not Only Generative Art: Stable Diffusion for Content-Style
Disentanglement in Art Analysis [23.388338598125195]
五屋(ごや)は、近年の創作モデルで捉えた芸術的知識を蒸留して、内容や様式を乱す方法である。
実験により、合成された画像は、アートワークの実際の分布のプロキシとして十分に役立っていることが示された。
論文 参考訳(メタデータ) (2023-04-20T13:00:46Z) - Towards Artistic Image Aesthetics Assessment: a Large-scale Dataset and
a New Method [64.40494830113286]
まず、Boldbrush Artistic Image dataset (BAID)という大規模なAIAAデータセットを紹介します。
そこで我々は,芸術的イメージを評価するために,スタイル特異的で汎用的な美的情報を効果的に抽出し,活用する新たな手法であるSAANを提案する。
実験により,提案手法は提案したBAIDデータセット上で既存のIAA手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2023-03-27T12:59:15Z) - Inversion-Based Style Transfer with Diffusion Models [78.93863016223858]
以前の任意の例として誘導された芸術的画像生成法は、しばしば形状変化の制御や要素の伝達に失敗する。
画像のキー情報を効率よく正確に学習できるインバージョンベースのスタイル転送手法(InST)を提案する。
論文 参考訳(メタデータ) (2022-11-23T18:44:25Z) - 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) - Continuation of Famous Art with AI: A Conditional Adversarial Network
Inpainting Approach [1.713291434132985]
本研究は,画像インペインティングを応用して,有名な美術品を継続し,コンディショナルGANで生成芸術を制作するものである。
塗装GANは、対向的・絶対的な差分損失を最小化して、中心作物から原像を復元する学習を行う。
画像はトリミングではなくリサイズされ、ジェネレータへの入力として提示される。
学習プロセスの後、ジェネレータは元の部品の端から連続して新しい画像を生成する。
論文 参考訳(メタデータ) (2021-10-18T10:39:32Z)
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。