論文の概要: Salienteye: Maximizing Engagement While Maintaining Artistic Style on
Instagram Using Deep Neural Networks
- arxiv url: http://arxiv.org/abs/2006.11403v1
- Date: Sat, 13 Jun 2020 01:58:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 20:59:24.726496
- Title: Salienteye: Maximizing Engagement While Maintaining Artistic Style on
Instagram Using Deep Neural Networks
- Title（参考訳）: salienteye:ディープニューラルネットワークを使ってinstagramでアートスタイルを維持しながらエンゲージメントを最大化
- Authors: Lili Wang, Ruibo Liu, and Soroush Vosoughi
- Abstract要約: 我々は、画像Netデータセット上で訓練されたオブジェクト認識のモデルであるXceptionをエンゲージメント予測のタスクに適用するために、トランスファーラーニングを使用する。
また、スタイル類似度測定のタスクとして、ImageNetでトレーニングされたもう1つのオブジェクト認識モデルであるVGG19から生成されたグラム行列を使用する。
私たちのモデルは、個別のInstagramアカウントでトレーニングして、パーソナライズされたエンゲージメント予測とスタイルの類似性モデルを作成することができます。
- 参考スコア（独自算出の注目度）: 27.469454386934274
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Instagram has become a great venue for amateur and professional photographers
alike to showcase their work. It has, in other words, democratized photography.
Generally, photographers take thousands of photos in a session, from which they
pick a few to showcase their work on Instagram. Photographers trying to build a
reputation on Instagram have to strike a balance between maximizing their
followers' engagement with their photos, while also maintaining their artistic
style. We used transfer learning to adapt Xception, which is a model for object
recognition trained on the ImageNet dataset, to the task of engagement
prediction and utilized Gram matrices generated from VGG19, another object
recognition model trained on ImageNet, for the task of style similarity
measurement on photos posted on Instagram. Our models can be trained on
individual Instagram accounts to create personalized engagement prediction and
style similarity models. Once trained on their accounts, users can have new
photos sorted based on predicted engagement and style similarity to their
previous work, thus enabling them to upload photos that not only have the
potential to maximize engagement from their followers but also maintain their
style of photography. We trained and validated our models on several Instagram
accounts, showing it to be adept at both tasks, also outperforming several
baseline models and human annotators.
- Abstract（参考訳）: Instagramは、アマチュアやプロの写真家が自分の作品を披露する場として素晴らしいものになった。
言い換えれば、写真は民主化されている。
一般的に、写真家はセッションで何千枚もの写真を撮り、そこから数枚を選んでInstagramで作品を披露する。
Instagramで評判を築こうとする写真家は、フォロワーの写真のエンゲージメントを最大化し、芸術的なスタイルを維持しながらバランスを取る必要がある。
我々は、画像Netデータセット上でトレーニングされたオブジェクト認識モデルであるXceptionを、画像Netでトレーニングされた別のオブジェクト認識モデルであるVGG19から生成されたエンゲージメント予測タスクに適応させ、Instagramに投稿された写真のスタイル類似度測定のタスクに利用した。
私たちのモデルは、個々のinstagramアカウントでトレーニングして、パーソナライズされたエンゲージメント予測とスタイル類似性モデルを作成することができます。
一度アカウントでトレーニングすると、ユーザーは、予測されたエンゲージメントと過去の仕事と類似性に基づいて新しい写真をソートすることができるので、フォロワーからのエンゲージメントを最大化できるだけでなく、写真スタイルを維持できる。
私たちはいくつかのInstagramアカウントでモデルをトレーニングし、検証し、両方のタスクに適しており、ベースラインモデルや人間のアノテータよりも優れていることを示した。
関連論文リスト
- How Many Van Goghs Does It Take to Van Gogh? Finding the Imitation Threshold [50.33428591760124]
学習データセットにおける概念の頻度とモデルを模倣する能力の関係について検討する。
我々は,複数のモデルをスクラッチからトレーニングする余剰コストを発生させることなく,模倣閾値を推定する効率的な手法を提案する。
論文 参考訳（メタデータ） (2024-10-19T06:28:14Z) - Learning Subject-Aware Cropping by Outpainting Professional Photos [69.0772948657867]
本稿では,高品質な主観的作物を生産する要因を,プロのストックイメージから学習するための弱教師付きアプローチを提案する。
私たちの洞察は、ストックイメージのライブラリと、最新のトレーニング済みのテキスト-画像拡散モデルを組み合わせることです。
我々は、収穫された無作為のトレーニングペアの大規模なデータセットを自動的に生成して、収穫モデルをトレーニングすることができる。
論文 参考訳（メタデータ） (2023-12-19T11:57:54Z) - Measuring the Success of Diffusion Models at Imitating Human Artists [7.007492782620398]
モデルが特定のアーティストを模倣する能力を測定する方法を示す。
コントラスト言語-画像事前訓練(CLIP)エンコーダを用いてゼロショット方式で画像の分類を行う。
また,アーティストの作品のサンプルを,これらの模倣画像と高い統計的信頼性で一致させることができることを示す。
論文 参考訳（メタデータ） (2023-07-08T18:31:25Z) - Identifying Professional Photographers Through Image Quality and
Aesthetics in Flickr [0.0]
本研究では,写真とビデオの共有プラットフォームに適切なデータセットが存在しないことを明らかにする。
我々は、オープンソースのマルチモーダルデータを用いて、Flickrで最大のラベル付きデータセットの1つを作成しました。
画像の審美性と技術的品質と,その画像の社会的活動との関係について検討した。
論文 参考訳（メタデータ） (2023-07-04T14:55:37Z) - Fashion-model pose recommendation and generation using Machine Learning [0.0]
本研究は、ファッションスタッフに対して、入力画像に基づく一連の類似したイメージを提案することに集中する。
画像は異なる部分に分割され、類似した画像がユーザに提案される。
これは、入力画像の色ヒストグラムを計算し、データセット内のすべての画像に同じものを適用することで達成された。
論文 参考訳（メタデータ） (2023-02-19T09:12:46Z) - CtlGAN: Few-shot Artistic Portraits Generation with Contrastive Transfer
Learning [77.27821665339492]
CtlGANは、新しいコントラッシブ・トランスファー学習戦略を備えた、数発のアート・ポートレート生成モデルである。
ソースドメインで事前訓練したStyleGANを,対象の芸術領域に適応させる。
実面をZ+空間に埋め込んだ新しいエンコーダを提案し,適応型デコーダに対処するためのデュアルパストレーニング戦略を提案する。
論文 参考訳（メタデータ） (2022-03-16T13:28:17Z) - InvGAN: Invertible GANs [88.58338626299837]
InvGANはInvertible GANの略で、高品質な生成モデルの潜在空間に実際の画像を埋め込むことに成功した。
これにより、画像のインペイント、マージ、オンラインデータ拡張を実行できます。
論文 参考訳（メタデータ） (2021-12-08T21:39:00Z) - Photozilla: A Large-Scale Photography Dataset and Visual Embedding for
20 Photography Styles [0.6308539010172307]
我々は,10種類の写真スタイルに属する990万枚以上の画像を含む大規模データセット「Photozilla」を紹介した。
データセットを使用して、3つの分類モデルをトレーニングし、イメージを関連するスタイルに自動的に分類する。
また,他の10種類の写真スタイルを識別するために,精度が68%以上であることが報告された。
論文 参考訳（メタデータ） (2021-06-21T18:45:06Z) - PhotoApp: Photorealistic Appearance Editing of Head Portraits [97.23638022484153]
本稿では,ポートレート画像におけるカメラ視点とシーン照明の高品質な直感的編集手法を提案する。
ほとんどの編集アプローチは、光やカメラステージといった設定でキャプチャされたトレーニングデータを使用した教師あり学習に依存している。
StyleGANの潜在空間で学習する監督問題を設計します。
これは、教師付き学習と生成的敵対的モデリングのベストを組み合わせる。
論文 参考訳（メタデータ） (2021-03-13T08:59:49Z) - Unselfie: Translating Selfies to Neutral-pose Portraits in the Wild [57.944605468653414]
自撮りでは、人間の腕の長さのような制約が身体のポーズを不自然に見せることが多い。
我々は、自撮り写真を中立的な肖像画に自動的に変換する新しい写真変換である$textitunselfie$を紹介した。
提案するポーズ検索モジュールは,リポジング作業を容易にし,複数のニュートラルな結果を生成することができる。
論文 参考訳（メタデータ） (2020-07-29T19:21:02Z)
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。