論文の概要: Demographic Influences on Contemporary Art with Unsupervised Style Embeddings

• arxiv url: http://arxiv.org/abs/2009.14545v2
• Date: Tue, 1 Dec 2020 10:34:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 00:23:19.908853
• Title: Demographic Influences on Contemporary Art with Unsupervised Style Embeddings
• Title（参考訳）: 非教師型埋め込みによる現代美術のデモグラフィー的影響
• Authors: Nikolai Huckle and Noa Garcia and Yuta Nakashima
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 25.107166631583212
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computational art analysis has, through its reliance on classification tasks, prioritised historical datasets in which the artworks are already well sorted with the necessary annotations. Art produced today, on the other hand, is numerous and easily accessible, through the internet and social networks that are used by professional and amateur artists alike to display their work. Although this art, yet unsorted in terms of style and genre, is less suited for supervised analysis, the data sources come with novel information that may help frame the visual content in equally novel ways. As a first step in this direction, we present contempArt, a multi-modal dataset of exclusively contemporary artworks. contempArt is a collection of paintings and drawings, a detailed graph network based on social connections on Instagram and additional socio-demographic information; all attached to 442 artists at the beginning of their career. We evaluate three methods suited for generating unsupervised style embeddings of images and correlate them with the remaining data. We find no connections between visual style on the one hand and social proximity, gender, and nationality on the other.
• Abstract（参考訳）: 計算アート分析は、分類タスクに依存して、必要なアノテーションで既に十分に分類されている歴史的なデータセットを優先している。 一方、現在制作されているアートは、プロやアマチュアのアーティストが作品を展示するために使っているインターネットやソーシャルネットワークを通じて、多様かつ容易にアクセスすることができる。 このアートはスタイルやジャンルの点で分類されていないが、教師付き分析には適していないが、データソースには、視覚的なコンテンツを等しく新しい方法でフレーム化するのに役立つ新しい情報が含まれている。 この方向の第一歩として,現代美術作品のマルチモーダルデータセットであるcontempartを提案する。 contempartは、絵画と絵のコレクションであり、instagram上のソーシャルなつながりと、追加の社会デミック情報に基づく詳細なグラフネットワークである。 画像の教師なし埋め込み生成に適した3つの手法を評価し,残りのデータと関連付ける。 一方の視覚的スタイルと、他方の社会的近接性、性別、国籍との間には関連性がない。

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)
• 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)
• 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)
• 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)
• Towards mapping the contemporary art world with ArtLM: an art-specific NLP model [0.0]
  本報告では, 現代美術家間の相互関係を明らかにするために, 総合自然言語処理フレームワーク(ArtLM)を提案する。 広範囲な実験により, 85.6%の精度と84.0%のF1スコアが得られた。 また,ArtLMの出力から構築したアーティストネットワークの可視化と定性解析も提供する。
  論文  参考訳（メタデータ） (2022-12-14T09:26:07Z)
• 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)
• Docent: A content-based recommendation system to discover contemporary art [0.8782885374383763]
  本稿では,アート作品の画像とアーティストのコンテキストメタデータに依存する,現代美術のコンテントベースレコメンデーションシステムを提案する。 私たちは、高度な、そしてアート特有の情報を収集し、注釈付けしたアートワークを収集し、モデルをトレーニングするために使用したユニークなデータベースを作成しました。 アートスペシャリストのチームによる評価の結果、意味のあるアート作品の75%の平均的な最終評価が得られました。
  論文  参考訳（メタデータ） (2022-07-12T16:26:27Z)
• 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)
• 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)
• Learning Portrait Style Representations [34.59633886057044]
  高レベル特性を取り入れたニューラルネットワークアーキテクチャによって学習されたスタイル表現について検討する。 美術史家によって注釈付けされた三重奏曲をスタイル類似性の監督として取り入れることで,学習スタイルの特徴の変化を見いだす。 また,計算解析用に用意された肖像画の大規模データセットを初めて提示する。
  論文  参考訳（メタデータ） (2020-12-08T01:36:45Z)

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。