論文の概要: Learning Portrait Style Representations

• arxiv url: http://arxiv.org/abs/2012.04153v1
• Date: Tue, 8 Dec 2020 01:36:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-18 03:33:48.944614
• Title: Learning Portrait Style Representations
• Title（参考訳）: ポートレートスタイルの表現を学ぶ
• Authors: Sadat Shaik, Bernadette Bucher, Nephele Agrafiotis, Stephen Phillips, Kostas Daniilidis, William Schmenner
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 34.59633886057044
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Style analysis of artwork in computer vision predominantly focuses on achieving results in target image generation through optimizing understanding of low level style characteristics such as brush strokes. However, fundamentally different techniques are required to computationally understand and control qualities of art which incorporate higher level style characteristics. We study style representations learned by neural network architectures incorporating these higher level characteristics. We find variation in learned style features from incorporating triplets annotated by art historians as supervision for style similarity. Networks leveraging statistical priors or pretrained on photo collections such as ImageNet can also derive useful visual representations of artwork. We align the impact of these expert human knowledge, statistical, and photo realism priors on style representations with art historical research and use these representations to perform zero-shot classification of artists. To facilitate this work, we also present the first large-scale dataset of portraits prepared for computational analysis.
• Abstract（参考訳）: コンピュータビジョンにおけるアートワークのスタイル分析は主に、ブラシストロークなどの低レベルなスタイル特性の理解を最適化することで、ターゲット画像生成の結果を達成することに焦点を当てている。 しかし,高度なスタイルの特徴を取り入れた芸術の質を計算的に理解し,制御するためには,基本的に異なる技術が必要である。 これらの高レベル特性を組み込んだ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。 ImageNetのような画像コレクションに事前訓練された統計的先行情報を利用するネットワークは、アートワークの有用な視覚表現も引き出すことができる。 これらの人間的知識、統計、写真リアリズムがスタイル表現に先行する影響を美術史研究と整合させ、これらの表現を用いてアーティストのゼロショット分類を行う。 この作業を容易にするため、計算解析のために準備された最初の大規模な肖像画データセットも提示する。

関連論文リスト

• Style Based Clustering of Visual Artworks [2.4374097382908477]
  視覚芸術のスタイルに基づくクラスタリングの概念を導入し、慎重に検討する。 私たちの主な目的は、スタイルベースのクラスタリングに使用できるニューラルな特徴表現とアーキテクチャを探ることです。
  論文  参考訳（メタデータ） (2024-09-12T17:44:07Z)
• 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)
• 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)
• A Unified Arbitrary Style Transfer Framework via Adaptive Contrastive Learning [84.8813842101747]
  Unified Contrastive Arbitrary Style Transfer (UCAST)は、新しいスタイルの学習・伝達フレームワークである。 入力依存温度を導入することで,スタイル伝達のための適応型コントラスト学習方式を提案する。 本フレームワークは,スタイル表現とスタイル伝達のための並列コントラスト学習方式,スタイル分布を効果的に学習するためのドメイン拡張モジュール,スタイル伝達のための生成ネットワークという,3つの重要なコンポーネントから構成される。
  論文  参考訳（メタデータ） (2023-03-09T04:35:00Z)
• 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)
• Arbitrary Style Transfer with Structure Enhancement by Combining the Global and Local Loss [51.309905690367835]
  本稿では,グローバルな損失と局所的な損失を組み合わせ,構造拡張を伴う任意のスタイル転送手法を提案する。 実験結果から,視覚効果の優れた高画質画像が生成できることが示唆された。
  論文  参考訳（メタデータ） (2022-07-23T07:02:57Z)
• Domain Enhanced Arbitrary Image Style Transfer via Contrastive Learning [84.8813842101747]
  Contrastive Arbitrary Style Transfer (CAST) は、新しいスタイル表現学習法である。 本フレームワークは,スタイルコード符号化のための多層スタイルプロジェクタ,スタイル分布を効果的に学習するためのドメイン拡張モジュール,画像スタイル転送のための生成ネットワークという,3つのキーコンポーネントから構成される。
  論文  参考訳（メタデータ） (2022-05-19T13:11:24Z)
• Demographic Influences on Contemporary Art with Unsupervised Style Embeddings [25.107166631583212]
  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。
  論文  参考訳（メタデータ） (2020-09-30T10:13:18Z)
• Understanding Compositional Structures in Art Historical Images using Pose and Gaze Priors [20.98603643788824]
  画像合成は、アーティストとそのアートワークを研究するために、画像内の相互作用を分析するのに有用である。 本研究では,既存の機械学習技術を用いて,このプロセスの自動化を試みる。 本手法は, (a) 絵画のアクション領域とアクションラインの検出, (b) 前景と背景のポーズに基づくセグメンテーションの2つの中心的なテーマに焦点を当てる。
  論文  参考訳（メタデータ） (2020-09-08T15:01:56Z)
• NPRportrait 1.0: A Three-Level Benchmark for Non-Photorealistic Rendering of Portraits [67.58044348082944]
  本稿では,スタイリングされたポートレート画像の評価のための,新しい3レベルベンチマークデータセットを提案する。 厳密な基準が構築に使われ、その一貫性はユーザスタディによって検証された。 ポートレート・スタイル化アルゴリズムを評価するための新しい手法が開発されている。
  論文  参考訳（メタデータ） (2020-09-01T18:04:19Z)

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。