論文の概要: Insights From A Large-Scale Database of Material Depictions In Paintings

• arxiv url: http://arxiv.org/abs/2011.12276v1
• Date: Tue, 24 Nov 2020 18:42:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 13:37:25.141775
• Title: Insights From A Large-Scale Database of Material Depictions In Paintings
• Title（参考訳）: 絵画における資料表現の大規模データベースからの洞察
• Authors: Hubert Lin, Mitchell Van Zuijlen, Maarten W.A. Wijntjes, Sylvia C. Pont, Kavita Bala
• Abstract要約: 本稿では,視覚認識システムと美術品で利用可能な豊富な情報との関係について検討する。 自然画像用に設計された視覚認識システムは、絵画で驚くほどうまく機能する。 絵画からの学習は、自然画像に使用されることを意図したニューラルネットワークにとって有益であることを示す。
• 参考スコア（独自算出の注目度）: 18.2193253052961
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning has paved the way for strong recognition systems which are often both trained on and applied to natural images. In this paper, we examine the give-and-take relationship between such visual recognition systems and the rich information available in the fine arts. First, we find that visual recognition systems designed for natural images can work surprisingly well on paintings. In particular, we find that interactive segmentation tools can be used to cleanly annotate polygonal segments within paintings, a task which is time consuming to undertake by hand. We also find that FasterRCNN, a model which has been designed for object recognition in natural scenes, can be quickly repurposed for detection of materials in paintings. Second, we show that learning from paintings can be beneficial for neural networks that are intended to be used on natural images. We find that training on paintings instead of natural images can improve the quality of learned features and we further find that a large number of paintings can be a valuable source of test data for evaluating domain adaptation algorithms. Our experiments are based on a novel large-scale annotated database of material depictions in paintings which we detail in a separate manuscript.
• Abstract（参考訳）: ディープラーニングは、しばしば自然画像に訓練され応用される強力な認識システムへの道を開いた。 本稿では,このような視覚認識システムと美術品で利用可能な豊富な情報との関係について検討する。 まず、自然画像用に設計された視覚認識システムは、絵画で驚くほどうまく機能する。 特にインタラクティブなセグメンテーションツールを使うことで,絵画内の多角形のセグメントをきれいに注釈付けすることができる。 また,自然界における物体認識のためのモデルであるFasterRCNNは,絵画の材料検出に素早く再利用可能であることも確認した。 第2に,絵画からの学習は,自然画像での利用を意図したニューラルネットワークにとって有益であることを示す。 自然画像の代わりに絵画を訓練することで学習した特徴の品質が向上し、さらに多くの絵画がドメイン適応アルゴリズムを評価するためのテストデータの貴重な情報源となることが判明した。 本実験は,絵画の資料表現の大規模注釈データベースを構築し,個別の写本で詳述した。

関連論文リスト

• KITTEN: A Knowledge-Intensive Evaluation of Image Generation on Visual Entities [93.74881034001312]
  テキスト・画像生成モデルにおける実体の忠実度に関する系統的研究を行う。 我々はランドマークの建物、航空機、植物、動物など、幅広い現実世界の視覚的実体を生成する能力に焦点をあてる。 その結果、最も高度なテキスト・画像モデルでさえ、正確な視覚的詳細を持つエンティティを生成できないことが判明した。
  論文  参考訳（メタデータ） (2024-10-15T17:50:37Z)
• Detecting Generated Images by Real Images Only [64.12501227493765]
  既存の画像検出手法は、生成画像中の視覚的アーティファクトを検出したり、大規模なトレーニングによって、実画像と生成画像の両方から識別的特徴を学習する。 本稿では,新たな視点から生成した画像検出問題にアプローチする。 実画像の共通性を見つけ、特徴空間内の密接な部分空間にマッピングすることで、生成した画像は生成モデルに関係なくサブ空間の外側に投影される。
  論文  参考訳（メタデータ） (2023-11-02T03:09:37Z)
• Synergy of Machine and Deep Learning Models for Multi-Painter Recognition [0.0]
  我々は,62名のアーティストを含む絵画認識タスクのための大規模データセットを新たに導入し,良好な結果を得た。 RegNetは、機能をエクスポートする上で、SVMは、最大85%のパフォーマンスを持つ画家に基づいて、イメージの最高の分類を行う。
  論文  参考訳（メタデータ） (2023-04-28T11:34:53Z)
• Leveraging Computer Vision Application in Visual Arts: A Case Study on the Use of Residual Neural Network to Classify and Analyze Baroque Paintings [0.0]
  本稿ではヨハン・クペツキーの「画家シャルル・ブルニの肖像」の分類に焦点をあてる。 残余ネットワークトレーニングで抽出した特徴は,オンラインアートコレクションの検索システム内での画像検索に有用であることを示す。
  論文  参考訳（メタデータ） (2022-10-27T10:15:36Z)
• 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)
• One-shot Scene Graph Generation [130.57405850346836]
  ワンショットシーングラフ生成タスクに対して,複数の構造化知識(関係知識知識)を提案する。 提案手法は既存の最先端手法よりも大きなマージンで優れる。
  論文  参考訳（メタデータ） (2022-02-22T11:32:59Z)
• The Curious Layperson: Fine-Grained Image Recognition without Expert Labels [90.88501867321573]
  我々は、専門家のアノテーションを使わずに、きめ細かい画像認識という新しい問題を考える。 非専門的な画像記述を用いてオブジェクトの視覚的外観を記述するモデルを学ぶ。 次に、画像記述と文書とを文レベルでマッチングする、きめ細かいテキスト類似性モデルを訓練する。
  論文  参考訳（メタデータ） (2021-11-05T17:58:37Z)
• SketchEmbedNet: Learning Novel Concepts by Imitating Drawings [125.45799722437478]
  モデルを用いて画像のスケッチを作成することによって学習した画像表現の特性について検討する。 この生成型クラスに依存しないモデルでは,新規な例,クラス,さらには新規なデータセットからの画像の情報埋め込みが,数ショットで生成されることが示されている。
  論文  参考訳（メタデータ） (2020-08-27T16:43:28Z)
• Diagram Image Retrieval using Sketch-Based Deep Learning and Transfer Learning [28.31395148295604]
  本稿では,画像に基づく二元特許画像検索のための深層学習手法を提案する。 まず、深層学習を用いて自然画像からスケッチを生成し、画像検索を行う。 次に、手動でラベル付けした特許図画像の小さなセットをトランスファーラーニングを使って、自然画像のスケッチから図への画像検索に適応させます。
  論文  参考訳（メタデータ） (2020-04-22T18:27:46Z)
• Visual link retrieval and knowledge discovery in painting datasets [14.149494915144322]
  本稿では,デジタル絵画データセットにおける視覚的リンク検索と知識発見のためのフレームワークを提案する。 ビジュアルリンク検索は、ディープ畳み込みニューラルネットワークを用いて特徴抽出を行う。 歴史的知識発見は、グラフ解析を行うことによって達成される。
  論文  参考訳（メタデータ） (2020-03-18T21:16:33Z)

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。