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

• Unlocking Comics: The AI4VA Dataset for Visual Understanding [62.345344799258804]
  本稿では,1950年代のフレンチ・ベルジアン漫画に,深度推定,セマンティックセグメンテーション,サリエンシ検出,キャラクタ識別などのタスクを注記した新しいデータセットを提案する。 2つの異なる一貫したスタイルで構成され、自然画像から得られたオブジェクトの概念とラベルを取り入れている。 このような多様な情報を含むことで、このデータセットは計算の創造性を約束するだけでなく、アートのデジタル化やストーリーテリングの革新のための道も提供します。
  論文  参考訳（メタデータ） (2024-10-27T14:27:05Z)
• Stylistic Multi-Task Analysis of Ukiyo-e Woodblock Prints [6.748153937479316]
  本稿では, 文体分析の範囲を広げることを目的とした, この近代日本美術様式について考察する。 私たちのデータセットは17世紀から今日のメタデータに対応する175.000ドル以上の印刷物で構成されています。
  論文  参考訳（メタデータ） (2024-10-16T08:55:09Z)
• Style Based Clustering of Visual Artworks [2.4374097382908477]
  視覚芸術のスタイルに基づくクラスタリングの概念を導入し、慎重に検討する。 私たちの主な目的は、スタイルベースのクラスタリングに使用できるニューラルな特徴表現とアーキテクチャを探ることです。
  論文  参考訳（メタデータ） (2024-09-12T17:44:07Z)
• 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)
• 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)
• 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)
• 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)
• 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。