論文の概要: Continuation of Famous Art with AI: A Conditional Adversarial Network Inpainting Approach

• arxiv url: http://arxiv.org/abs/2110.09170v1
• Date: Mon, 18 Oct 2021 10:39:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-20 01:24:31.111731
• Title: Continuation of Famous Art with AI: A Conditional Adversarial Network Inpainting Approach
• Title（参考訳）: AIによるファミラスアートの継続:条件付き敵対的ネットワークのアプローチ
• Authors: Jordan J. Bird
• Abstract要約: 本研究は,画像インペインティングを応用して,有名な美術品を継続し,コンディショナルGANで生成芸術を制作するものである。 塗装GANは、対向的・絶対的な差分損失を最小化して、中心作物から原像を復元する学習を行う。 画像はトリミングではなくリサイズされ、ジェネレータへの入力として提示される。 学習プロセスの後、ジェネレータは元の部品の端から連続して新しい画像を生成する。
• 参考スコア（独自算出の注目度）: 1.713291434132985
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Much of the state-of-the-art in image synthesis inspired by real artwork are either entirely generative by filtered random noise or inspired by the transfer of style. This work explores the application of image inpainting to continue famous artworks and produce generative art with a Conditional GAN. During the training stage of the process, the borders of images are cropped, leaving only the centre. An inpainting GAN is then tasked with learning to reconstruct the original image from the centre crop by way of minimising both adversarial and absolute difference losses. Once the network is trained, images are then resized rather than cropped and presented as input to the generator. Following the learning process, the generator then creates new images by continuing from the edges of the original piece. Three experiments are performed with datasets of 4766 landscape paintings (impressionism and romanticism), 1167 Ukiyo-e works from the Japanese Edo period, and 4968 abstract artworks. Results show that geometry and texture (including canvas and paint) as well as scenery such as sky, clouds, water, land (including hills and mountains), grass, and flowers are implemented by the generator when extending real artworks. In the Ukiyo-e experiments, it was observed that features such as written text were generated even in cases where the original image did not have any, due to the presence of an unpainted border within the input image.
• Abstract（参考訳）: 実際のアートワークにインスパイアされた画像合成の最先端技術の多くは、フィルターされたランダムノイズによって完全に生成されるか、スタイルの伝達にインスパイアされる。 本研究は,画像インペインティングを応用して,有名な美術品を継続し,コンディショナルGANで生成芸術を制作するものである。 過程の訓練段階では、画像の境界線が収穫され、中心だけが残る。 塗装されたganは、逆差と絶対差の損失を最小化することで、中心の作物から元の画像を再構築する学習を行う。 ネットワークがトレーニングされると、画像はトリミングではなく再サイズされ、ジェネレータへの入力として表示される。 学習プロセスの後、ジェネレータは元の部品の端から連続して新しい画像を生成する。 4766点の風景画(印象派とロマン主義)、1167点の浮世絵、4968点の抽象画のデータセットを用いて3つの実験を行った。 以上の結果から, 空や雲, 水, 陸(丘陵や山を含む), 草, 花などの景観だけでなく, 幾何学やテクスチャ(キャンバスやペンキなど)も, 実際の美術品を伸ばす際に, ジェネレータによって実現されていることがわかった。 また, 浮世絵実験では, 原画像が存在しない場合においても, テキストなどの特徴が, 入力画像内に未表示境界が存在するために生成されていることが観察された。

関連論文リスト

• Inverse Painting: Reconstructing The Painting Process [24.57538165449989]
  我々はこれを自己回帰画像生成問題として定式化し、初期空白の「キャンバス」を反復的に更新する。 モデルは、多くのペイントビデオのトレーニングによって、実際のアーティストから学習する。
  論文  参考訳（メタデータ） (2024-09-30T17:56:52Z)
• DLP-GAN: learning to draw modern Chinese landscape photos with generative adversarial network [20.74857981451259]
  中国の風景画は独特で芸術的な様式であり、その画法は色と現実的な物体表現の両方において非常に抽象的である。 従来は、近代の絵から古代の墨画への移行に焦点が当てられていたが、風景画を近代の絵に翻訳することにはほとんど関心が向けられていない。
  論文  参考訳（メタデータ） (2024-03-06T04:46:03Z)
• Space Narrative: Generating Images and 3D Scenes of Chinese Garden from Text using Deep Learning [0.0]
  深層学習を用いたテキスト記述に基づく庭園絵画生成手法を提案する。 画像とテキストのペアデータセットは,千点以上の明代庭園の絵画とその碑文とポストスクリプトで構成されている。 潜伏したテキスト・ツー・イメージ拡散モデルでは、明代の書画から庭園画へのマッピングを学習し、その後、実張庭園の本文記述がモデルに導かれ、新しい庭園画が生み出される。
  論文  参考訳（メタデータ） (2023-11-01T07:16:01Z)
• Stroke-based Neural Painting and Stylization with Dynamically Predicted Painting Region [66.75826549444909]
  ストロークベースのレンダリングは、ストロークのセットで画像を再現することを目的としている。 本研究では,現在のキャンバスに基づいて絵画領域を予測する合成ニューラルネットワークを提案する。 我々は、新しい微分可能な距離変換損失を伴って、ストロークベースのスタイル転送に拡張する。
  論文  参考訳（メタデータ） (2023-09-07T06:27:39Z)
• Text-Guided Synthesis of Eulerian Cinemagraphs [81.20353774053768]
  テキスト記述からシネマグラフを作成する完全自動化された方法であるText2Cinemagraphを紹介する。 連続した動きと反復的なテクスチャを示す流れの川や漂流する雲などの流体要素のシネマグラフに焦点を当てる。
  論文  参考訳（メタデータ） (2023-07-06T17:59:31Z)
• 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)
• Paint it Black: Generating paintings from text descriptions [0.0]
  与えられたテキストのプロンプトからフォトリアリスティックな画像を生成し、絵のスタイルを実際の画像に移し、まるでアーティストによって行われたかのように見せるという2つのタスクが何度も解決され、それを達成するためのいくつかのアプローチが提案されている。 本稿では,2つの異なる戦略を探求し,それらを統合した。 第1の戦略は、フォトリアリスティック画像を生成し、スタイル転送を適用し、第2の戦略は、キャプションで実画像上で画像生成モデルをトレーニングし、後でキャプションされた絵に微調整することである。
  論文  参考訳（メタデータ） (2023-02-17T11:07:53Z)
• 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)
• Interactive Style Transfer: All is Your Palette [74.06681967115594]
  本稿では,ユーザが対話的に調和したスタイルのイメージを作成できる,図形的な対話型スタイル転送(IST)手法を提案する。 私たちのISTメソッドは、どこからでもブラシやディップスタイルとして機能し、ターゲットのコンテンツイメージの任意の領域にペイントします。
  論文  参考訳（メタデータ） (2022-03-25T06:38:46Z)
• ReGO: Reference-Guided Outpainting for Scenery Image [82.21559299694555]
  生成的敵対学習は、与えられた画像に対して意味的一貫したコンテンツを生成することによって、画像の画質を向上した。 本研究は, 近隣の画素を借用することにより, テクスチャに富んだ結果を合成する原理について検討する。 生成した部品のスタイルが参照画像の影響を受けないようにするために,ReGOを増強し,スタイル一貫性のある結果を合成するスタイルランキングの損失が提案されている。
  論文  参考訳（メタデータ） (2021-06-20T02:34:55Z)
• Learning of Art Style Using AI and Its Evaluation Based on Psychological Experiments [1.0499611180329802]
  GAN(Generative Adversarial Network)は、より少ないトレーニングデータでディープラーニングを実行できる新しいAI技術である。 GANを用いて異なるスタイルのアートセットの比較を行った。
  論文  参考訳（メタデータ） (2020-05-04T07:19:37Z)

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。