Fugu-MT 論文翻訳(概要): Museum Painting Retrieval

論文の概要: Museum Painting Retrieval

arxiv url: http://arxiv.org/abs/2105.04891v1
Date: Tue, 11 May 2021 09:28:14 GMT
ステータス: 処理完了
システム内更新日: 2021-05-12 22:05:54.440293
Title: Museum Painting Retrieval
Title（参考訳）: 美術館絵画検索
Authors: \`Oscar Lorente, Ian Riera, Shauryadeep Chaudhuri, Oriol Catalan, V\'ictor Casales
Abstract要約: 古典的なコンピュータビジョン技術を用いて,美術館画像コレクション内の絵画のサンプル検索システムを構築した。画像中の異なる摂動を持つデータセットにおける色,テクスチャ,テキスト,特徴記述子の性能を検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: To retrieve images based on their content is one of the most studied topics in the field of computer vision. Nowadays, this problem can be addressed using modern techniques such as feature extraction using machine learning, but over the years different classical methods have been developed. In this paper, we implement a query by example retrieval system for finding paintings in a museum image collection using classic computer vision techniques. Specifically, we study the performance of the color, texture, text and feature descriptors in datasets with different perturbations in the images: noise, overlapping text boxes, color corruption and rotation. We evaluate each of the cases using the Mean Average Precision (MAP) metric, and we obtain results that vary between 0.5 and 1.0 depending on the problem conditions.
Abstract（参考訳）: コンテンツに基づいて画像を取得することは、コンピュータビジョンの分野で最も研究されているトピックの1つである。現在では、機械学習を用いた特徴抽出などの現代的手法でこの問題に対処できるが、近年では様々な古典的手法が開発されている。本稿では,古典的なコンピュータビジョン技術を用いて,美術館画像コレクション内の絵画を検索するためのサンプル検索システムを提案する。具体的には,色,テクスチャ,テキスト,特徴記述子の性能について,ノイズ,重なり合うテキストボックス,色劣化,回転など,様々な摂動を持つデータセットを用いて検討する。平均精度(MAP)測定値を用いて各症例を評価し,問題条件に応じて0.5～1.0の値が変化する結果を得た。

関連論文リスト

Visual Motif Identification: Elaboration of a Curated Comparative Dataset and Classification Methods [4.431754853927668]
映画では、視覚的なモチーフは、芸術的または美的な意味を持つ反復的な図形的構成である。私たちのゴールは、これらのモチーフを認識して分類することであり、その目的にカスタムデータセットを使用する新しい機械学習モデルを提案することです。 CLIPモデルから抽出した機能を、浅いネットワークと適切な損失を用いて、20の異なるモチーフに分類し、驚くほど良い結果が得られることを示す。
論文参考訳（メタデータ） (2024-10-21T10:50:00Z)
Blind Dates: Examining the Expression of Temporality in Historical Photographs [57.07335632641355]
マルチモーダル言語とビジョンモデルであるCLIPのオープンソース実装であるOpenCLIPを用いて、画像の日付を調査する。我々は1950年から1999年までの39,866枚のグレースケールの歴史的プレス写真を含むtextitDe Boer Scene Detectionデータセットを使用している。解析の結果、バス、車、猫、犬、そして人々が写っている画像はより正確に年代付けされており、時間的マーカーの存在が示唆されている。
論文参考訳（メタデータ） (2023-10-10T13:51:24Z)
Deep Image Matting: A Comprehensive Survey [85.77905619102802]
本稿では,ディープラーニング時代における画像マッチングの最近の進歩を概観する。本稿では,補助的な入力ベースの画像マッチングと,自動的な画像マッチングという,2つの基本的なサブタスクに焦点を当てる。画像マッチングの関連応用について論じ,今後の研究への課題と可能性を明らかにする。
論文参考訳（メタデータ） (2023-04-10T15:48:55Z)
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)
Pattern Spotting and Image Retrieval in Historical Documents using Deep Hashing [60.67014034968582]
本稿では,歴史文書のデジタルコレクションにおける画像検索とパターンスポッティングのためのディープラーニング手法を提案する。ディープラーニングモデルは、実数値またはバイナリコード表現を提供する2つの異なるバリエーションを考慮して、特徴抽出に使用される。また,提案手法により検索時間を最大200倍に短縮し,関連する作業と比較してストレージコストを最大6,000倍に削減する。
論文参考訳（メタデータ） (2022-08-04T01:39:37Z)
Where Does the Performance Improvement Come From? - A Reproducibility Concern about Image-Text Retrieval [85.03655458677295]
画像テキスト検索は、情報検索分野において、徐々に主要な研究方向になりつつある。まず、画像テキスト検索タスクに焦点が当てられている理由と関連性について検討する。本研究では,事前学習と非事前学習による検索モデルの再現の諸側面を解析する。
論文参考訳（メタデータ） (2022-03-08T05:01:43Z)
Image Classification with Classic and Deep Learning Techniques [0.0]
従来のコンピュータビジョンとディープラーニング技術を用いて画像分類器を実装した。それぞれのケースを精度と損失の観点から評価し,使用するモデルと構成によって0.6から0.09の範囲で結果を得た。
論文参考訳（メタデータ） (2021-05-11T09:32:38Z)
A Decade Survey of Content Based Image Retrieval using Deep Learning [13.778851745408133]
本稿では,コンテンツベース画像検索における過去10年間のディープラーニングベース開発に関する包括的調査について述べる。クエリ画像の代表的な特徴とデータセット画像との類似性は、検索のために画像のランク付けに使用される。ディープラーニングは、手作業で設計した機能工学の、10年前から支配的な代替手段として現れてきた。
論文参考訳（メタデータ） (2020-11-23T02:12:30Z)
Image Colorization: A Survey and Dataset [94.59768013860668]
本稿では,最先端の深層学習に基づく画像着色技術に関する包括的調査を行う。既存の着色技法を7つのクラスに分類し、その性能を規定する重要な要因について論じる。我々は既存のデータセットと提案した画像の両方を用いて、既存の画像のカラー化手法を広範囲に実験的に評価する。
論文参考訳（メタデータ） (2020-08-25T01:22:52Z)
Distilling Localization for Self-Supervised Representation Learning [82.79808902674282]
コントラスト学習は教師なし表現学習に革命をもたらした。現在のコントラストモデルでは、前景オブジェクトのローカライズには効果がない。本稿では,背景変化を学習するためのデータ駆動型手法を提案する。
論文参考訳（メタデータ） (2020-04-14T16:29:42Z)

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。