論文の概要: Detecting Visual Design Principles in Art and Architecture through Deep Convolutional Neural Networks

• arxiv url: http://arxiv.org/abs/2108.04048v1
• Date: Mon, 9 Aug 2021 14:00:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-10 15:17:16.815529
• Title: Detecting Visual Design Principles in Art and Architecture through Deep Convolutional Neural Networks
• Title（参考訳）: 深層畳み込みニューラルネットワークによるアートとアーキテクチャの視覚設計原理の検出
• Authors: Gozdenur Demir, Asli Cekmis, Vahit Bugra Yesilkaynak, Gozde Unal
• Abstract要約: 本研究の目的は、異なるドメインに対する設計原則を認識し、分類するニューラルネットワークモデルである。 提案したモデルは,その基盤となる共有パターンをキャプチャして,原設計の無数の知識から学習する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Visual design is associated with the use of some basic design elements and principles. Those are applied by the designers in the various disciplines for aesthetic purposes, relying on an intuitive and subjective process. Thus, numerical analysis of design visuals and disclosure of the aesthetic value embedded in them are considered as hard. However, it has become possible with emerging artificial intelligence technologies. This research aims at a neural network model, which recognizes and classifies the design principles over different domains. The domains include artwork produced since the late 20th century; professional photos; and facade pictures of contemporary buildings. The data collection and curation processes, including the production of computationally-based synthetic dataset, is genuine. The proposed model learns from the knowledge of myriads of original designs, by capturing the underlying shared patterns. It is expected to consolidate design processes by providing an aesthetic evaluation of the visual compositions with objectivity.
• Abstract（参考訳）: ビジュアルデザインは、いくつかの基本的なデザイン要素と原則の使用と関連している。 これらは、直感的で主観的なプロセスに依存して、審美目的のために様々な分野のデザイナーによって適用される。 したがって、設計図面の数値解析と、それに埋め込まれた美的価値の開示は困難であると考えられる。 しかし、新たな人工知能技術によって可能になった。 本研究の目的は、異なるドメインに対する設計原則を認識し、分類するニューラルネットワークモデルである。 ドメインには20世紀後半から制作されたアートワーク、プロの写真、現代建築のファサード写真が含まれる。 計算ベースの合成データセットの生成を含むデータの収集とキュレーションプロセスは本物である。 提案モデルは、基盤となる共有パターンを捉えることによって、オリジナルデザインの無数の知識から学習する。 視覚構成の美的評価を客観性で提供することにより,設計プロセスの統合が期待されている。

関連論文リスト

• KITTEN: A Knowledge-Intensive Evaluation of Image Generation on Visual Entities [93.74881034001312]
  テキスト・画像生成モデルにおける実体の忠実度に関する系統的研究を行う。 我々はランドマークの建物、航空機、植物、動物など、幅広い現実世界の視覚的実体を生成する能力に焦点をあてる。 その結果、最も高度なテキスト・画像モデルでさえ、正確な視覚的詳細を持つエンティティを生成できないことが判明した。
  論文  参考訳（メタデータ） (2024-10-15T17:50:37Z)
• Diffusion-Based Visual Art Creation: A Survey and New Perspectives [51.522935314070416]
  本調査は,拡散に基づく視覚芸術創造の新たな領域を探求し,その発展を芸術的,技術的両面から検討する。 本研究は,芸術的要件が技術的課題にどのように変換されるかを明らかにし,視覚芸術創造における拡散法の設計と応用を強調した。 我々は、AIシステムが芸術的知覚と創造性において人間の能力をエミュレートし、潜在的に増強するメカニズムに光を当てることを目指している。
  論文  参考訳（メタデータ） (2024-08-22T04:49:50Z)
• Machine Apophenia: The Kaleidoscopic Generation of Architectural Images [11.525355831490828]
  本研究では,建築設計における生成人工知能の適用について検討する。 本稿では,複数のニューラルネットワークを組み合わせて,教師なしかつ修正されていないユニークなアーキテクチャイメージのストリームを生成する手法を提案する。
  論文  参考訳（メタデータ） (2024-07-12T11:11:19Z)
• Deep Ensemble Art Style Recognition [2.3369294168789203]
  過去数十年間の膨大な量のアートワークのデジタル化は、抽象概念に関連する膨大な量のデータの分類、分析、管理の必要性を生み出した。 美術作品における様々な芸術的特徴の認識は、深層学習社会において注目されている。 本稿では,深層ネットワークを用いた美術スタイル認識の問題について考察する。
  論文  参考訳（メタデータ） (2024-05-19T21:26:11Z)
• I-Design: Personalized LLM Interior Designer [57.00412237555167]
  I-Designはパーソナライズされたインテリアデザイナで、自然言語によるコミュニケーションを通じて設計目標の生成と視覚化を可能にする。 I-Designは、対話や論理的推論に従事する大きな言語モデルエージェントのチームから始まる。 最終的な設計は、既存のオブジェクトデータベースから資産を取り出し、統合することで、3Dで構築されます。
  論文  参考訳（メタデータ） (2024-04-03T16:17:53Z)
• 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)
• Impressions: Understanding Visual Semiotics and Aesthetic Impact [66.40617566253404]
  画像のセミオティックスを調べるための新しいデータセットであるImpressionsを提示する。 既存のマルチモーダル画像キャプションと条件付き生成モデルは、画像に対する可視的応答をシミュレートするのに苦労していることを示す。 このデータセットは、微調整と少数ショット適応により、画像の印象や美的評価をモデル化する能力を大幅に改善する。
  論文  参考訳（メタデータ） (2023-10-27T04:30:18Z)
• Review of Large Vision Models and Visual Prompt Engineering [50.63394642549947]
  レビューは、大きな視覚モデルと視覚プロンプトエンジニアリングのためにコンピュータビジョン領域で使用される手法を要約することを目的としている。 本稿では、視覚領域における影響力のある大規模モデルと、これらのモデルに使用される一連のプロンプトエンジニアリング手法を提案する。
  論文  参考訳（メタデータ） (2023-07-03T08:48:49Z)
• Augmenting Character Designers Creativity Using Generative Adversarial Networks [0.0]
  GAN(Generative Adversarial Networks)は、さまざまな分野の研究者の注目を集めている。 しかし、近年のGANはリアリズムに重点を置いているが、超現実的な出力を生成することはいくつかの領域にとって優先事項ではない。 本稿では,異なるGANアーキテクチャと,新しいビジュアルキャラクタデータセットをスクラッチからトレーニングした場合のパフォーマンスを比較した。 また、転送学習やデータ拡張といった代替手法も検討し、計算資源の制限を克服する。
  論文  参考訳（メタデータ） (2023-05-28T10:52:03Z)
• Learning Aesthetic Layouts via Visual Guidance [7.992550355579791]
  視覚的指導のための計算手法を探求し, 楽観的アートとグラフィックデザインの創出を支援する。 私たちは、アートの傑作のデータセットを収集し、最先端のビジョンモデルで視覚的な修正をラベル付けしました。 美術品の視覚的指導テンプレートを教師なしの学習でクラスタ化した。 視覚的指導の原理を高次元モデルに学習・統合し,図形要素の特徴に照らし合わせることができることを示す。
  論文  参考訳（メタデータ） (2021-07-13T17:46:42Z)
• SketchEmbedNet: Learning Novel Concepts by Imitating Drawings [125.45799722437478]
  モデルを用いて画像のスケッチを作成することによって学習した画像表現の特性について検討する。 この生成型クラスに依存しないモデルでは,新規な例,クラス,さらには新規なデータセットからの画像の情報埋め込みが,数ショットで生成されることが示されている。
  論文  参考訳（メタデータ） (2020-08-27T16:43:28Z)

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。