Fugu-MT 論文翻訳(概要): CreativeGAN: Editing Generative Adversarial Networks for Creative Design Synthesis

論文の概要: CreativeGAN: Editing Generative Adversarial Networks for Creative Design Synthesis

arxiv url: http://arxiv.org/abs/2103.06242v1
Date: Wed, 10 Mar 2021 18:22:35 GMT
ステータス: 処理完了
システム内更新日: 2021-03-11 14:48:08.360015
Title: CreativeGAN: Editing Generative Adversarial Networks for Creative Design Synthesis
Title（参考訳）: creativegan: 創造的デザイン合成のための生成的広告ネットワークの編集
Authors: Amin Heyrani Nobari, Muhammad Fathy Rashad, Faez Ahmed
Abstract要約: 本論文では,新しいデザインを作成するための自動手法であるCreativeGANを提案する。デザインをユニークなものにするコンポーネントを識別し、GANモデルを変更することで、識別されたユニークなコンポーネントでデザインを生成する可能性が高まる。自転車デザインのデータセットを用いて,ユニークなフレームとハンドル,および幅広いデザインの珍しいノベルティを備えた新しい自転車デザインを作成できることを実証した。
参考スコア（独自算出の注目度）: 1.933681537640272
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Modern machine learning techniques, such as deep neural networks, are transforming many disciplines ranging from image recognition to language understanding, by uncovering patterns in big data and making accurate predictions. They have also shown promising results for synthesizing new designs, which is crucial for creating products and enabling innovation. Generative models, including generative adversarial networks (GANs), have proven to be effective for design synthesis with applications ranging from product design to metamaterial design. These automated computational design methods can support human designers, who typically create designs by a time-consuming process of iteratively exploring ideas using experience and heuristics. However, there are still challenges remaining in automatically synthesizing `creative' designs. GAN models, however, are not capable of generating unique designs, a key to innovation and a major gap in AI-based design automation applications. This paper proposes an automated method, named CreativeGAN, for generating novel designs. It does so by identifying components that make a design unique and modifying a GAN model such that it becomes more likely to generate designs with identified unique components. The method combines state-of-art novelty detection, segmentation, novelty localization, rewriting, and generative models for creative design synthesis. Using a dataset of bicycle designs, we demonstrate that the method can create new bicycle designs with unique frames and handles, and generalize rare novelties to a broad set of designs. Our automated method requires no human intervention and demonstrates a way to rethink creative design synthesis and exploration.
Abstract（参考訳）: ディープニューラルネットワークなどの最新の機械学習技術は、ビッグデータのパターンを発見し、正確な予測を行うことで、画像認識から言語理解まで、多くの分野を変革しています。彼らはまた、製品の作成とイノベーションの実現に不可欠である新しいデザインを合成するための有望な結果を示した。 generative adversarial networks (gans) を含む生成モデルは、製品設計からメタマテリアル設計まで幅広い応用で設計合成に有効であることが証明されている。これらの自動計算設計手法は、経験とヒューリスティックスを使ったアイデアを反復的に探求する時間を要するプロセスによって設計を作成する人間設計者を支援することができる。しかし、'creative' デザインの自動合成にはまだ課題が残っている。しかし、GANモデルは独自のデザインを生成することができず、イノベーションの鍵となり、AIベースの設計自動化アプリケーションに大きなギャップがあります。本論文では,新しいデザインを作成するための自動手法であるCreativeGANを提案する。デザインをユニークなものにするコンポーネントを識別し、GANモデルを変更することで、識別されたユニークなコンポーネントでデザインを生成する可能性が高まる。この方法は、最先端のノベルティ検出、セグメンテーション、ノベルティローカライゼーション、書き換え、創造的デザイン合成のための生成モデルを組み合わせる。自転車デザインのデータセットを用いて,ユニークなフレームとハンドルを備えた自転車デザインを新たに作成し,レアノベルティを幅広いデザインに一般化できることを実証した。提案手法は,人間の介入を必要とせず,創造的デザインの合成と探索を再考する方法を示す。

関連論文リスト

LLM2FEA: Discover Novel Designs with Generative Evolutionary Multitasking [21.237950330178354]
本稿では,複数の領域にまたがる知識を伝達することで,生成モデルにおける新しい設計を初めて発見する試みを提案する。多要素進化アルゴリズム(MFEA)を用いて大きな言語モデルを駆動し、LLM2FEAは様々な分野からの知識を統合し、新規で実用的なオブジェクトを発見する際に生成モデルを導くプロンプトを生成する。
論文参考訳（メタデータ） (2024-06-21T07:20:51Z)
Inspired by AI? A Novel Generative AI System To Assist Conceptual Automotive Design [6.001793288867721]
デザインインスピレーションは、デザインの方向性を確立するだけでなく、感情を呼び起こし、概念設計プロセス中に意味を伝えるためにも不可欠である。多くの実践的デザイナーはPinterestのようなプラットフォーム上でテキストベースの検索を使用してイメージのアイデアを集め、続いて紙にスケッチしたり、デジタルツールを使ってコンセプトを開発したりする。拡散モデルのような新しい生成AI技術は、テキストとイメージインスピレーションインプットに基づいてデザイン概念を迅速に生成することで、これらのプロセスを合理化するための有望な道を提供する。
論文参考訳（メタデータ） (2024-06-06T17:04:14Z)
Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
本調査では,コンピュータ支援設計における学習手法の概要について概観する。類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
論文参考訳（メタデータ） (2024-02-27T17:11:35Z)
CreativeSynth: Creative Blending and Synthesis of Visual Arts based on Multimodal Diffusion [74.44273919041912]
大規模なテキスト・画像生成モデルは印象的な進歩を遂げ、高品質な画像を合成する能力を示している。しかし、これらのモデルを芸術的な画像編集に適用することは、2つの重要な課題を提起する。我々は,マルチモーダル入力をコーディネートする拡散モデルに基づく,革新的な統一フレームワークCreative Synthを構築した。
論文参考訳（メタデータ） (2024-01-25T10:42:09Z)
Neural Markov Prolog [57.13568543360899]
本稿では,一階述語論理とニューラルネットワーク設計を橋渡しする手段として,言語Neural Markov Prolog (NMP)を提案する。 NMPは、画像、テキスト、リレーショナルデータベース、その他のターゲットデータ型のアーキテクチャを簡単に生成および提示することができる。
論文参考訳（メタデータ） (2023-11-27T21:41:47Z)
DreamCreature: Crafting Photorealistic Virtual Creatures from Imagination [140.1641573781066]
ターゲット概念のラベルなしイメージのセットを前提として、我々は、新しいハイブリッド概念を創出できるT2Iモデルをトレーニングすることを目指している。そこで我々はDreamCreatureと呼ばれる新しい手法を提案し,その基盤となるサブ概念を同定し抽出する。したがって、T2Iは忠実な構造とフォトリアリスティックな外観を持つ新しい概念を生成するのに適応する。
論文参考訳（メタデータ） (2023-11-27T01:24:31Z)
Human Machine Co-Creation. A Complementary Cognitive Approach to Creative Character Design Process Using GANs [0.0]
2つのニューラルネットワークが競合し、元のデータセットと区別できない新しい視覚コンテンツを生成する。提案するアプローチは、知覚、理解、作成のプロセスを伝えることを目的としている。マシンが生成した概念は、キャラクターデザイナーが新しいキャラクターを概念化するためのローンチプラットフォームとして使用される。
論文参考訳（メタデータ） (2023-11-23T12:18:39Z)
Diatom-inspired architected materials using language-based deep learning: Perception, transformation and manufacturing [0.0]
本稿では, トランスニューラルネットを応用した, 生物にインスパイアされた新規な珪藻構造の設計について報告する。本報告では, 新規な珪藻系設計を概説するとともに, 添加剤製造法を用いて製造した試料を報告する。
論文参考訳（メタデータ） (2023-01-14T10:02:51Z)
Towards Creativity Characterization of Generative Models via Group-based Subset Scanning [64.6217849133164]
創造的プロセスを特定し,定量化し,特徴付けるグループベースサブセットスキャンを提案する。創造的なサンプルは、データセット全体にわたる通常のサンプルや非創造的なサンプルよりも大きな異常のサブセットを生成する。
論文参考訳（メタデータ） (2022-03-01T15:07:14Z)
Towards creativity characterization of generative models via group-based subset scanning [51.84144826134919]
創造的プロセスを定量化し,検出し,特徴付けるグループベースサブセットスキャンを提案する。創造的なサンプルは、データセットをまたいだ通常または非創造的なサンプルよりも大きな異常のサブセットを生成する。
論文参考訳（メタデータ） (2021-04-01T14:07:49Z)
Garment Design with Generative Adversarial Networks [7.640010691467089]
本稿では,デザイン概念の属性レベルの自動編集におけるGAN(Generative Adversarial Network)の機能について検討する。これらの実験は、設計概念の属性レベルの編集のために、GANの仮定されたポテンシャルをサポートする。
論文参考訳（メタデータ） (2020-07-21T17:03:33Z)

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。