論文の概要: Identifying centres of interest in paintings using alignment and edge
detection: Case studies on works by Luc Tuymans
- arxiv url: http://arxiv.org/abs/2101.00858v1
- Date: Mon, 4 Jan 2021 10:04:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-12 06:24:42.202088
- Title: Identifying centres of interest in paintings using alignment and edge
detection: Case studies on works by Luc Tuymans
- Title（参考訳）: アライメントとエッジ検出による絵画への関心の中心の同定:Luc Tuymansの作品の事例研究
- Authors: Sinem Aslan, Luc Steels
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.8855270809505869
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: What is the creative process through which an artist goes from an original
image to a painting? Can we examine this process using techniques from computer
vision and pattern recognition? Here we set the first preliminary steps to
algorithmically deconstruct some of the transformations that an artist applies
to an original image in order to establish centres of interest, which are focal
areas of a painting that carry meaning. We introduce a comparative methodology
that first cuts out the minimal segment from the original image on which the
painting is based, then aligns the painting with this source, investigates
micro-differences to identify centres of interest and attempts to understand
their role. In this paper we focus exclusively on micro-differences with
respect to edges. We believe that research into where and how artists create
centres of interest in paintings is valuable for curators, art historians,
viewers, and art educators, and might even help artists to understand and
refine their own artistic method.
- Abstract（参考訳）: アーティストがオリジナルイメージから絵画へ移行する、創造的なプロセスとは何か?
コンピュータビジョンとパターン認識の手法を用いてこの過程を検証できるだろうか?
ここでは、アーティストが原画に適用する変換の一部をアルゴリズム的に分解して、意味を持つ絵画の焦点領域である関心の中心を確立するための最初の予備的なステップを設定します。
本研究は,まず,絵画をベースとした原画から最小部分を切り離し,その画をこの源泉と整列させ,興味の中心を特定するための微差を調査し,その役割を理解しようとする比較手法を提案する。
本稿では,エッジに関するマイクロディファレンスにのみ焦点をあてる。
アーティストが絵画に興味を持つ場所と方法の研究は、キュレーター、美術史家、視聴者、美術教育者にとって貴重なものであり、アーティストが自身の芸術的手法を理解し、洗練するのを手助けするかもしれない。
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) - 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) - Sketch2Saliency: Learning to Detect Salient Objects from Human Drawings [99.9788496281408]
本研究では,スケッチを弱いラベルとして使用して,画像中の有能な物体を検出する方法について検討する。
これを実現するために,与えられた視覚写真に対応する逐次スケッチ座標を生成することを目的としたフォト・ツー・スケッチ生成モデルを提案する。
テストは、私たちの仮説を証明し、スケッチベースの唾液度検出モデルが、最先端技術と比較して、競争力のあるパフォーマンスを提供する方法を明確にします。
論文 参考訳（メタデータ） (2023-03-20T23:46:46Z) - 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) - 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) - Toward Modeling Creative Processes for Algorithmic Painting [12.602935529346063]
論文は、創造的なプロセスには、曖昧でハイレベルな目標と、新しいアイデアを発見するための探索的なプロセスの2つの重要な要素が含まれる、と論じている。
本稿では,不特定損失関数や明示的なタスク分解を伴う反復的塗装手順を含む,図面過程のこれらの要素を模倣するための計算機構をスケッチする。
論文 参考訳（メタデータ） (2022-05-03T16:33:45Z) - Automatic Main Character Recognition for Photographic Studies [78.88882860340797]
画像の主人公は、最初に見る人の注意を引く最も重要な人間である。
画像中の主文字の同定は,従来の写真研究やメディア分析において重要な役割を担っている。
機械学習に基づく人間のポーズ推定を用いて主文字を識別する手法を提案する。
論文 参考訳（メタデータ） (2021-06-16T18:14:45Z) - Generative Art Using Neural Visual Grammars and Dual Encoders [25.100664361601112]
生成芸術を創出するための新しいアルゴリズムについて述べる。
ユーザーがテキスト文字列を入力することができ、この文字列に対する創造的な応答で画像が出力されます。
論文 参考訳（メタデータ） (2021-05-01T04:21:52Z) - Automatic analysis of artistic paintings using information-based
measures [1.25456674968456]
美術絵画に存在する隠されたパターンと関係を,その複雑さを分析して同定する。
正規化圧縮(NC)とブロック分解法(BDM)を91名の著者による4,266点の絵のデータセットに適用した。
アーティストのスタイル、その芸術的影響、および共有技術に関する重要な情報を記述した指紋を定義する。
論文 参考訳（メタデータ） (2021-02-02T21:40:30Z) - 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) - Artistic Style in Robotic Painting; a Machine Learning Approach to
Learning Brushstroke from Human Artists [7.906207218788341]
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。
論文 参考訳（メタデータ） (2020-07-07T17:35:38Z)
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。