論文の概要: Assessing aesthetics of generated abstract images using correlation structure

• arxiv url: http://arxiv.org/abs/2105.08635v1
• Date: Tue, 18 May 2021 16:05:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-19 15:54:24.291934
• Title: Assessing aesthetics of generated abstract images using correlation structure
• Title（参考訳）: 相関構造を用いた抽象画像の美的評価
• Authors: Sina Khajehabdollahi, Georg Martius, Anna Levina
• Abstract要約: ランダム重みと異なるアーキテクチャを持つ合成パターン生成ネットワークを用いて画像を生成する。 制御された実験では、人間はすべての生成された画像の大規模なデータセットから美的イメージを抽出した。 統計的解析により、相関関数は美的画像では確かに異なることが分かる。
• 参考スコア（独自算出の注目度）: 11.371889042789219
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Can we generate abstract aesthetic images without bias from natural or human selected image corpi? Are aesthetic images singled out in their correlation functions? In this paper we give answers to these and more questions. We generate images using compositional pattern-producing networks with random weights and varying architecture. We demonstrate that even with the randomly selected weights the correlation functions remain largely determined by the network architecture. In a controlled experiment, human subjects picked aesthetic images out of a large dataset of all generated images. Statistical analysis reveals that the correlation function is indeed different for aesthetic images.
• Abstract（参考訳）: 自然画像や人間の選択画像から偏りなく抽象美的画像を生成することができるか? 美的イメージは相関関数に含まれているか? 本稿では,これらの質問に対する回答について述べる。 ランダム重みと異なるアーキテクチャを持つ合成パターン生成ネットワークを用いて画像を生成する。 ランダムに選択された重みであっても、相関関数はネットワークアーキテクチャによって決定される。 制御された実験では、人間はすべての生成された画像の大規模なデータセットから美的イメージを抽出した。 統計的解析により、相関関数は美的画像では確かに異なることが分かる。

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)
• CausalImages: An R Package for Causal Inference with Earth Observation, Bio-medical, and Social Science Images [4.532517021515833]
  causalimages Rパッケージは、画像および画像シーケンスデータによる因果推論を可能にする。 1つの関数セットは、画像ベースの因果推論分析を可能にする。 大規模画像や画像シーケンスデータを逐次化されたバイト文字列として記述するツールなど、インフラ機能も備えている。
  論文  参考訳（メタデータ） (2023-09-30T02:52:49Z)
• Person Image Synthesis via Denoising Diffusion Model [116.34633988927429]
  本研究では,高忠実度人物画像合成に拡散モデルをいかに応用できるかを示す。 2つの大規模ベンチマークとユーザスタディの結果は、挑戦的なシナリオ下で提案したアプローチのフォトリアリズムを実証している。
  論文  参考訳（メタデータ） (2022-11-22T18:59:50Z)
• Learning an Adaptation Function to Assess Image Visual Similarities [0.0]
  ここでは、類推が重要となるとき、視覚的イメージ類似性を学ぶための特定のタスクに焦点を当てる。 本稿では,異なるスケールとコンテンツデータセットで事前学習した,教師付き,半教師付き,自己教師型ネットワークの比較を提案する。 The Totally Looks Like Image dataset conducted on the Totally Looks Like image highlight the interest of our method, by increase the search scores of the best model @1 by 2.25x。
  論文  参考訳（メタデータ） (2022-06-03T07:15:00Z)
• Image Synthesis via Semantic Composition [74.68191130898805]
  本稿では,その意味的レイアウトに基づいて現実的なイメージを合成する新しい手法を提案する。 類似した外観を持つ物体に対して、類似した表現を共有するという仮説が立てられている。 本手法は, 空間的変化と関連表現の両方を生じる, 外観相関による領域間の依存関係を確立する。
  論文  参考訳（メタデータ） (2021-09-15T02:26:07Z)
• Combining Attention with Flow for Person Image Synthesis [55.670135403481275]
  本稿では,注目操作とフローベース操作を組み合わせた新しいモデルを提案する。 本モデルでは,アテンション操作を利用して正確なターゲット構造を生成するだけでなく,フローベース操作を用いてリアルなソーステクスチャをサンプリングする。
  論文  参考訳（メタデータ） (2021-08-04T03:05:39Z)
• Ensembling with Deep Generative Views [72.70801582346344]
  生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。 そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。 StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
  論文  参考訳（メタデータ） (2021-04-29T17:58:35Z)
• Counterfactual Generative Networks [59.080843365828756]
  画像生成過程を直接監督せずに訓練する独立した因果機構に分解することを提案する。 適切な誘導バイアスを活用することによって、これらのメカニズムは物体の形状、物体の質感、背景を解き放つ。 その結果, 偽画像は, 元の分類タスクにおける性能の低下を伴い, 分散性が向上することが示された。
  論文  参考訳（メタデータ） (2021-01-15T10:23:12Z)
• Unsupervised Landmark Learning from Unpaired Data [117.81440795184587]
  教師なしランドマーク学習の最近の試みは、外観は似ているがポーズでは異なる合成画像対を活用する。 本稿では,2回スワッピング・リコンストラクション・ストラテジーを適用して最終監視を行うクロスイメージ・サイクル整合性フレームワークを提案する。 提案するフレームワークは,強いベースラインを大きなマージンで上回ることを示す。
  論文  参考訳（メタデータ） (2020-06-29T13:57:20Z)
• Synthesizing human-like sketches from natural images using a conditional convolutional decoder [3.3504365823045035]
  本研究では,自然画像中の物体の人間的なスケッチを合成できる,完全な畳み込み型エンドツーエンドアーキテクチャを提案する。 スケッチとイメージのペアのコレクション上で、エンドツーエンドの教師付きで構造をトレーニングします。 生成したアーキテクチャのスケッチを85.6%の精度で分類し,ユーザスタディを通じてその視覚的品質を検証する。
  論文  参考訳（メタデータ） (2020-03-16T10:42:53Z)

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。