論文の概要: Artistic Style in Robotic Painting; a Machine Learning Approach to
Learning Brushstroke from Human Artists
- arxiv url: http://arxiv.org/abs/2007.03647v2
- Date: Tue, 28 Jul 2020 04:05:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-12 20:50:30.833002
- Title: Artistic Style in Robotic Painting; a Machine Learning Approach to
Learning Brushstroke from Human Artists
- Title（参考訳）: ロボット絵画における芸術的スタイル : ブラシストローク学習のための機械学習アプローチ
- Authors: Ardavan Bidgoli, Manuel Ladron De Guevara, Cinnie Hsiung, Jean Oh,
Eunsu Kang
- Abstract要約: 本研究では,ヒトアーティストとのコラボレーションを通じて,筆跡と絵画プロセスに芸術的スタイルを統合する手法を提案する。
予備調査では、人間の評価者の71%が、再構築されたブラシストロークが、アーティストのスタイルの特徴に関連していることを発見した。
- 参考スコア（独自算出の注目度）: 7.906207218788341
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robotic painting has been a subject of interest among both artists and
roboticists since the 1970s. Researchers and interdisciplinary artists have
employed various painting techniques and human-robot collaboration models to
create visual mediums on canvas. One of the challenges of robotic painting is
to apply a desired artistic style to the painting. Style transfer techniques
with machine learning models have helped us address this challenge with the
visual style of a specific painting. However, other manual elements of style,
i.e., painting techniques and brushstrokes of an artist, have not been fully
addressed. We propose a method to integrate an artistic style to the
brushstrokes and the painting process through collaboration with a human
artist. In this paper, we describe our approach to 1) collect brushstrokes and
hand-brush motion samples from an artist, and 2) train a generative model to
generate brushstrokes that pertains to the artist's style, and 3) fine tune a
stroke-based rendering model to work with our robotic painting setup. We will
report on the integration of these three steps in a separate publication. In a
preliminary study, 71% of human evaluators find our reconstructed brushstrokes
are pertaining to the characteristics of the artist's style. Moreover, 58% of
participants could not distinguish a painting made by our method from a
visually similar painting created by a human artist.
- Abstract（参考訳）: ロボット絵画は1970年代以降、芸術家とロボティクスの双方で関心を集めてきた。
研究者と学際的なアーティストは、キャンバス上の視覚媒体を作成するために様々な絵画技法と人間とロボットのコラボレーションモデルを用いてきた。
ロボット絵画の課題の1つは、望まれる芸術様式を絵画に適用することである。
機械学習モデルを用いたスタイル転送技術は、特定の絵画の視覚的なスタイルでこの課題に対処するのに役立ちました。
しかし、他の手作業によるスタイル要素、すなわち画家の絵画技法や筆跡は、完全には解決されていない。
本研究では,ヒトアーティストとのコラボレーションを通じて,筆跡と絵画プロセスに芸術的スタイルを統合する手法を提案する。
本稿では,我々のアプローチについて述べる。
1)アーティストから筆跡や手筆の動きのサンプルを収集し、
2)生成モデルを訓練して,アーティストのスタイルに関連する筆跡を生成させ,
3)ストロークベースのレンダリングモデルを微調整してロボットペインティングのセットアップで動作させます。
これら3つのステップの統合について、別々に報告します。
予備研究では、人間の71%が、再建された筆跡がアーティストのスタイルの特徴に関係していることを発見した。
また,58%の被験者は,人間の画家による視覚的に類似した絵画と,本手法による絵画を区別できなかった。
関連論文リスト
- Inverse Painting: Reconstructing The Painting Process [24.57538165449989]
我々はこれを自己回帰画像生成問題として定式化し、初期空白の「キャンバス」を反復的に更新する。
モデルは、多くのペイントビデオのトレーニングによって、実際のアーティストから学習する。
論文 参考訳（メタデータ） (2024-09-30T17:56:52Z) - ProcessPainter: Learn Painting Process from Sequence Data [27.9875429986135]
画家の絵画の過程は本質的に段階的に変化しており、異なる画家や様式によって大きく異なる。
従来のストロークベースのレンダリング手法は、画像をブラシストロークのシーケンスに分解するが、アーティストの真正なプロセスの複製には不十分である。
ProcessPainterは、最初は合成データに基づいて事前訓練され、その後、特定のアーティストの絵のシーケンスで微調整されるテキスト・ビデオ・モデルである。
論文 参考訳（メタデータ） (2024-06-10T07:18:41Z) - Rethinking Artistic Copyright Infringements in the Era of Text-to-Image Generative Models [47.19481598385283]
ArtSavantは、ウィキアートの作品の参照データセットと比較することで、アーティストのユニークなスタイルを決定するツールである。
そこで我々は,3つの人気テキスト・画像生成モデルにまたがる芸術的スタイルの複製の頻度を定量的に把握するために,大規模な実証的研究を行った。
論文 参考訳（メタデータ） (2024-04-11T17:59:43Z) - Stroke-based Neural Painting and Stylization with Dynamically Predicted
Painting Region [66.75826549444909]
ストロークベースのレンダリングは、ストロークのセットで画像を再現することを目的としている。
本研究では,現在のキャンバスに基づいて絵画領域を予測する合成ニューラルネットワークを提案する。
我々は、新しい微分可能な距離変換損失を伴って、ストロークベースのスタイル転送に拡張する。
論文 参考訳（メタデータ） (2023-09-07T06:27:39Z) - Interactive Neural Painting [66.9376011879115]
本稿では,対話型ニューラルペイント(NP)の最初のアプローチを提案する。
2段デコーダを用いた条件変圧器変分自動エンコーダ(VAE)アーキテクチャに基づく新しい手法であるI-Paintを提案する。
実験の結果,本手法は良好なストローク提案を提供し,最先端技術と比較した。
論文 参考訳（メタデータ） (2023-07-31T07:02:00Z) - Inventing art styles with no artistic training data [0.65268245109828]
本研究では,自然画像のみに基づいて学習したモデルを用いて,絵画スタイルを作成する2つの手法を提案する。
第1の手順では、創造的な表現を達成するために、芸術媒体からの帰納バイアスを用いる。
第2の手順では、新たなスタイルを作るためのインスピレーションとして、追加の自然なイメージを使用する。
論文 参考訳（メタデータ） (2023-05-19T21:59:23Z) - 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) - 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) - Art Creation with Multi-Conditional StyleGANs [81.72047414190482]
人間のアーティストは、独特のスキル、理解、そして深い感情や感情を引き起こすアートワークを作る真の意図の組み合わせが必要です。
本研究では,多条件生成支援ネットワーク(GAN)アプローチを導入し,人間の芸術を模倣する現実的な絵画を合成する。
論文 参考訳（メタデータ） (2022-02-23T20:45:41Z) - Intelli-Paint: Towards Developing Human-like Painting Agents [19.261822105543175]
そこで本研究では,より人間的な絵画スタイルを示しながら,出力キャンバスの生成を学習する新しい絵画手法を提案する。
Intelli-Paintは1)プログレッシブな階層化戦略から成り、エージェントはまず、各前景オブジェクトをプログレッシブな方法で追加する前に、自然の背景を表現できる。
また,筆画エージェントが各画像領域にセマンティック・アウェアで注目を移すのに役立つ,新しいシーケンシャルなブラシストローク誘導戦略を導入する。
論文 参考訳（メタデータ） (2021-12-16T14:56:32Z) - Identifying centres of interest in paintings using alignment and edge
detection: Case studies on works by Luc Tuymans [1.8855270809505869]
興味の中心を確立するために,アーティストがオリジナル画像に適用する変換のいくつかをアルゴリズム的に分解する最初の予備ステップを設定した。
本研究は,まず,絵画をベースとしたオリジナル画像から最小部分を切り離し,絵をこのソースと整列させ,興味の中心を特定するための微小な差分を調査し,その役割を理解しようとする比較手法を提案する。
論文 参考訳（メタデータ） (2021-01-04T10:04:19Z)
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。