Fugu-MT 論文翻訳(概要): E-learning model for art education: Case study in Iran

論文の概要: E-learning model for art education: Case study in Iran

arxiv url: http://arxiv.org/abs/2110.03904v1
Date: Fri, 8 Oct 2021 05:55:18 GMT
ステータス: 処理完了
システム内更新日: 2023-03-12 01:13:43.418624
Title: E-learning model for art education: Case study in Iran
Title（参考訳）: 美術教育のためのeラーニングモデル--イランを事例として
Authors: Bahram Sadeghi Bigham, Mahboubeh Fannakhosrow, Aliakbar Safipour, Mostafa Jafari and Khadijeh Chenari
Abstract要約: 美術分野に関するeラーニングは、通常のEラーニングとは異なる。イランでは学生や芸術家の間でケーススタディが行われている。
参考スコア（独自算出の注目度）: 0.20999222360659603
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: According to the characteristics of art, art education according to Bloom's classification, should take place at high and close to the level of creativity. E-learning related to the subject of art is different from ordinary E-learning. In this paper, a general circular model for E-learning for art education is presented, a case study which has been done in Iran among students and artists. Art in the general sense, in addition to the same and Comprehensive features, has characteristics specific to different countries and cultures, and consequently there are differences in art education.
Abstract（参考訳）: 芸術の特徴により、ブルームの分類による芸術教育は、創造性のレベルに近い高度に行われるべきである。美術分野に関するeラーニングは、通常のEラーニングとは異なる。本稿では,イランで学生や芸術家の間で行われている,美術教育のためのE-ラーニングの一般的な循環モデルについて紹介する。一般的な意味での芸術は、同じで包括的な特徴に加えて、異なる国や文化に特有の特徴を持ち、それゆえ芸術教育には違いがある。

関連論文リスト

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)
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)
Extrinsic Evaluation of Cultural Competence in Large Language Models [53.626808086522985]
本稿では,2つのテキスト生成タスクにおける文化能力の評価に焦点をあてる。我々は,文化,特に国籍の明示的なキューが,そのプロンプトに乱入している場合のモデル出力を評価する。異なる国におけるアウトプットのテキスト類似性とこれらの国の文化的価値との間には弱い相関関係がある。
論文参考訳（メタデータ） (2024-06-17T14:03:27Z)
AI Art Neural Constellation: Revealing the Collective and Contrastive State of AI-Generated and Human Art [36.21731898719347]
我々は、人間の芸術遺産の文脈内でAI生成芸術を位置づけるための包括的な分析を行う。私たちの比較分析は、ArtConstellationと呼ばれる広範なデータセットに基づいています。鍵となる発見は、1800-2000年に作られた現代美術の原理とAIが生成したアートアートが視覚的に関連していることである。
論文参考訳（メタデータ） (2024-02-04T11:49:51Z)
Learning to Evaluate the Artness of AI-generated Images [64.48229009396186]
アートスコア(ArtScore)は、アーティストによる本物のアートワークと画像がどの程度似ているかを評価するために設計されたメトリクスである。我々は、写真とアートワークの生成のために事前訓練されたモデルを採用し、一連の混合モデルを生み出した。このデータセットはニューラルネットワークのトレーニングに使用され、任意の画像の定量化精度レベルを推定する方法を学ぶ。
論文参考訳（メタデータ） (2023-05-08T17:58:27Z)
ALADIN-NST: Self-supervised disentangled representation learning of artistic style through Neural Style Transfer [60.6863849241972]
我々は、画像に描かれた意味的内容から、より強く絡み合った視覚芸術スタイルの表現を学習する。スタイルと内容の絡み合いに強く対処することで、スタイル固有のメトリクスが大きく向上することを示します。
論文参考訳（メタデータ） (2023-04-12T10:33:18Z)
Inversion-Based Style Transfer with Diffusion Models [78.93863016223858]
以前の任意の例として誘導された芸術的画像生成法は、しばしば形状変化の制御や要素の伝達に失敗する。画像のキー情報を効率よく正確に学習できるインバージョンベースのスタイル転送手法(InST)を提案する。
論文参考訳（メタデータ） (2022-11-23T18:44:25Z)
Modeling Pedagogical Learning Environment with Hybrid Model based on ICT [0.0]
我々はICT教育の観点から教育学習環境を設計した。 ICT教育の方法論では、教育は異なる要素間の相互作用を含む。ハイブリッドモデルは、標準、ステージ、年次レベル、クラスレベルの組み合わせを表します。
論文参考訳（メタデータ） (2021-08-09T11:24:27Z)
Understanding and Creating Art with AI: Review and Outlook [12.614901374282868]
人工知能(AI)に関連する技術は、視覚芸術における研究と創造的実践の変化に強い影響を与える。本稿では,AIとアートの2つの側面を総合的にレビューする:1)AIはアート分析に使用され,デジタル化されたアートコレクションに使用される;2)AIは創造的な目的に使用され,新しいアート作品を生成する。アートの創造におけるAIの役割に関して、AIアートの様々な実践的・理論的側面に対処し、それらのトピックを詳細に扱った関連作品を統合します。
論文参考訳（メタデータ） (2021-02-18T01:38:11Z)
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)
Biases in Generative Art -- A Causal Look from the Lens of Art History [3.198144010381572]
本稿では,アルゴリズム設計に関連する問題に対する不適切な問題定式化によって生じるAIパイプラインのバイアスについて検討する。アート作成の過程をモデル化する上で,現在の手法が不足している点を強調し,様々なバイアスに寄与する。
論文参考訳（メタデータ） (2020-10-26T00:49:09Z)

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。