論文の概要: Ukiyo-e Analysis and Creativity with Attribute and Geometry Annotation
- arxiv url: http://arxiv.org/abs/2106.02267v1
- Date: Fri, 4 Jun 2021 05:24:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-07 15:17:58.344346
- Title: Ukiyo-e Analysis and Creativity with Attribute and Geometry Annotation
- Title(参考訳): 属性と幾何学アノテーションによる浮世絵の分析と創造性
- Authors: Yingtao Tian, Tarin Clanuwat, Chikahiko Suzuki, Asanobu Kitamoto
- Abstract要約: 本稿では,コヒーレントなセマンティックラベルと幾何学的アノテーションを備えた大規模浮世絵データセットを提案する。
そして、これらのラベルや注釈を用いて浮世絵の物体を定量的に分析し、その価値を示す。
さらに,浮世絵の柔らかい色分解によるスタイル学習を支援する機械学習手法を実証した。
- 参考スコア(独自算出の注目度): 4.492444446637856
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The study of Ukiyo-e, an important genre of pre-modern Japanese art, focuses
on the object and style like other artwork researches. Such study has benefited
from the renewed interest by the machine learning community in culturally
important topics, leading to interdisciplinary works including collections of
images, quantitative approaches, and machine learning-based creativities. They,
however, have several drawbacks, and it remains challenging to integrate these
works into a comprehensive view. To bridge this gap, we propose a holistic
approach We first present a large-scale Ukiyo-e dataset with coherent semantic
labels and geometric annotations, then show its value in a quantitative study
of Ukiyo-e paintings' object using these labels and annotations. We further
demonstrate the machine learning methods could help style study through soft
color decomposition of Ukiyo-e, and finally provides joint insights into object
and style by composing sketches and colors using colorization. Dataset
available at https://github.com/rois-codh/arc-ukiyoe-faces
- Abstract(参考訳): 近代日本美術の重要なジャンルである浮世絵の研究は、他の美術研究と同様、対象や様式に焦点をあてている。
このような研究は、文化的に重要なトピックにおける機械学習コミュニティの新たな関心から恩恵を受け、画像の収集、定量的アプローチ、機械学習に基づく創造性といった学際的な研究につながった。
しかし、それらにはいくつかの欠点があり、これらの作品を包括的な視点に統合することは依然として困難である。
このギャップを埋めるために,我々はまずコヒーレントなセマンティックラベルと幾何学的アノテーションを備えた大規模浮世絵データセットを提示し,それらのラベルとアノテーションを用いた浮世絵のオブジェクトの定量的研究でその価値を示す。
さらに我々は、浮世絵の柔らかい色分解によるスタイル学習を支援する機械学習手法を実証し、遂にスケッチや色を彩色することで、オブジェクトとスタイルに関する共同洞察を提供する。
dataset available at https://github.com/rois-codh/arc-ukiyoe-faces
関連論文リスト
- CLiC: Concept Learning in Context [54.81654147248919]
本稿では,視覚概念学習の最近の進歩に基づく。
ソースイメージから視覚概念を取得し、その後ターゲットイメージ内のオブジェクトに適用する。
概念学習のローカライズには,マスク内の概念と周囲の画像領域の両方を含むソフトマスクを用いる。
論文 参考訳(メタデータ) (2023-11-28T01:33:18Z) - Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。
モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。
このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
論文 参考訳(メタデータ) (2023-07-25T17:59:18Z) - 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) - Learning Co-segmentation by Segment Swapping for Retrieval and Discovery [67.6609943904996]
この研究の目的は、一対のイメージから視覚的に類似したパターンを効率的に識別することである。
画像中のオブジェクトセグメントを選択し、それを別の画像にコピーペーストすることで、合成トレーニングペアを生成する。
提案手法は,Brueghelデータセット上でのアートワークの詳細検索に対して,明確な改善をもたらすことを示す。
論文 参考訳(メタデータ) (2021-10-29T16:51:16Z) - Object Retrieval and Localization in Large Art Collections using Deep
Multi-Style Feature Fusion and Iterative Voting [10.807131260367298]
本稿では,特定のモチーフやオブジェクトを含む画像領域を検索するアルゴリズムを提案する。
GPUによる近似近傍探索による領域ベースの投票では、広範囲なデータセット内の小さなモチーフを数秒で見つけ、ローカライズすることが可能です。
論文 参考訳(メタデータ) (2021-07-14T18:40:49Z) - Art Style Classification with Self-Trained Ensemble of AutoEncoding
Transformations [5.835728107167379]
絵画の芸術的スタイルは豊かな記述物であり、アーティストが創造的なビジョンをどのように表現し表現するかについての視覚的知識と深い本質的な知識の両方を明らかにする。
本稿では,高度な自己指導型学習手法を用いて,クラス内およびクラス間変動の少ない複雑な芸術的スタイルを認識することの課題を解決する。
論文 参考訳(メタデータ) (2020-12-06T21:05:23Z) - 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) - Visual link retrieval and knowledge discovery in painting datasets [14.149494915144322]
本稿では,デジタル絵画データセットにおける視覚的リンク検索と知識発見のためのフレームワークを提案する。
ビジュアルリンク検索は、ディープ畳み込みニューラルネットワークを用いて特徴抽出を行う。
歴史的知識発見は、グラフ解析を行うことによって達成される。
論文 参考訳(メタデータ) (2020-03-18T21:16:33Z) - KaoKore: A Pre-modern Japanese Art Facial Expression Dataset [8.987910033541239]
近代日本美術品から抽出された顔からなる新しいデータセットKaoKoreを提案する。
画像分類のためのデータセットとしての価値と、生成モデルを用いて探索する創造的で芸術的なデータセットとしての価値を実証する。
論文 参考訳(メタデータ) (2020-02-20T07:22:13Z) - Deep Learning for Free-Hand Sketch: A Survey [159.63186738971953]
フリーハンドのスケッチは非常に図像的であり、古代から現代にかけての物や物語を描くために人間によって広く用いられてきた。
最近のタッチスクリーンデバイスの普及により、スケッチ作成はこれまでになく簡単になり、スケッチ指向のアプリケーションがますます人気を博している。
論文 参考訳(メタデータ) (2020-01-08T16:23:56Z) - A Review on Intelligent Object Perception Methods Combining
Knowledge-based Reasoning and Machine Learning [60.335974351919816]
物体知覚はコンピュータビジョンの基本的なサブフィールドである。
最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
論文 参考訳(メタデータ) (2019-12-26T13:26:49Z)
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。