論文の概要: ShufaNet: Classification method for calligraphers who have reached the professional level

• arxiv url: http://arxiv.org/abs/2111.11350v1
• Date: Mon, 22 Nov 2021 16:55:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-23 18:00:45.675975
• Title: ShufaNet: Classification method for calligraphers who have reached the professional level
• Title（参考訳）: shufanet:専門家レベルに達した書家のための分類方法
• Authors: Ge Yunfei, Diao Changyu, Li Min, Yu Ruohan, Qiu Linshan and Xu Duanqing
• Abstract要約: そこで我々は,中国の書道スタイルを計量学習に基づいて分類する新しい手法,ShufaNetを提案する。 提案手法は,resNetや他の主流CNNを超越した,数ショット学習のためのデータセットの精度を65%向上した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: The authenticity of calligraphy is significant but difficult task in the realm of art, where the key problem is the few-shot classification of calligraphy. We propose a novel method, ShufaNet ("Shufa" is the pinyin of Chinese calligraphy), to classify Chinese calligraphers' styles based on metric learning in the case of few-shot, whose classification accuracy exceeds the level of students majoring in calligraphy. We present a new network architecture, including the unique expression of the style of handwriting fonts called ShufaLoss and the calligraphy category information as prior knowledge. Meanwhile, we modify the spatial attention module and create ShufaAttention for handwriting fonts based on the traditional Chinese nine Palace thought. For the training of the model, we build a calligraphers' data set. Our method achieved 65% accuracy rate in our data set for few-shot learning, surpassing resNet and other mainstream CNNs. Meanwhile, we conducted battle for calligraphy major students, and finally surpassed them. This is the first attempt of deep learning in the field of calligrapher classification, and we expect to provide ideas for subsequent research.
• Abstract（参考訳）: 書道の真正性は美術の分野では重要ではあるが難しい課題であり、書道の数少ない分類が問題となっている。 本稿では,漢文の書法である朱波Netを用いて,数ショットの場合にメートル法学習に基づいて漢文の書風を分類し,その分類精度が書道専攻の学生のレベルを超える新しい方法を提案する。 本稿では,shufalossと呼ばれる手書きフォントのスタイルと書道カテゴリ情報を先行知識として表現する,新たなネットワークアーキテクチャを提案する。 一方、空間的注意モジュールを変更し、中国の伝統的な九宮思想に基づく手書きフォントのShufaAtttentionを作成する。 モデルのトレーニングのために、私たちは書道者のデータセットを構築します。 提案手法は,resNetや他の主流CNNを上回り,数ショット学習のためのデータセットの精度を65%向上した。 一方、書道専攻の学生たちとの戦いを繰り広げ、ついに彼らを追い越した。 これは書道分類の分野における深層学習の最初の試みであり、その後の研究にアイデアを提供することを期待する。

関連論文リスト

• Moyun: A Diffusion-Based Model for Style-Specific Chinese Calligraphy Generation [10.7430517947254]
  「もゆん」は、生成過程を効果的に制御し、特定の様式で書を書ける。 書道においても「もゆん」は書道の様式にマッチした書風を書ける。
  論文  参考訳（メタデータ） (2024-10-10T05:14:03Z)
• Few-shot Calligraphy Style Learning [0.0]
  プレシディフスション(Presidifussion)は、周大統領の独自の書風を習得し、複製する新しいアプローチである。 フォント画像条件付けとストローク情報条件付けの革新的手法を導入し,漢字の複雑な構造要素を抽出する。 本研究は,書道芸術のデジタル保存におけるブレークスルーを示すだけでなく,文化遺産デジタル化分野におけるデータ効率生成モデリングの新たな標準となる。
  論文  参考訳（メタデータ） (2024-04-26T07:17:09Z)
• MetaScript: Few-Shot Handwritten Chinese Content Generation via Generative Adversarial Networks [15.037121719502606]
  漢字のデジタル表現における個人的手書きスタイルの存在感の低下に対処する新しいコンテンツ生成システムであるMetaScriptを提案する。 本手法は,個人固有の手書きスタイルを保ち,デジタルタイピングの効率を維持できる漢字を生成するために,数ショット学習の力を利用する。
  論文  参考訳（メタデータ） (2023-12-25T17:31:19Z)
• Style Generation in Robot Calligraphy with Deep Generative Adversarial Networks [15.199472080437527]
  漢字の数は数万であり、6000文字を超える一貫した漢字フォントの生成が困難になる。 本稿では,プロの規格で書体を生成可能な,深層生成逆数ネットワーク(deepGAN)に基づく自動書体生成モデルを提案する。
  論文  参考訳（メタデータ） (2023-12-15T10:35:30Z)
• Calliffusion: Chinese Calligraphy Generation and Style Transfer with Diffusion Modeling [1.856334276134661]
  拡散モデルを用いて高品質な漢字書体を生成するシステムであるCaliffusionを提案する。 我々のモデルアーキテクチャはDDPM(Denoising Diffusion Probabilistic Models)に基づいている
  論文  参考訳（メタデータ） (2023-05-30T15:34:45Z)
• 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)
• PART: Pre-trained Authorship Representation Transformer [64.78260098263489]
  文書を書く著者は、語彙、レジストリ、句読点、ミススペル、絵文字の使用など、テキスト内での識別情報をインプリントする。 以前の作品では、手作りのフィーチャや分類タスクを使用して著者モデルをトレーニングし、ドメイン外の著者に対するパフォーマンスの低下につながった。 セマンティクスの代わりにtextbfauthorship の埋め込みを学習するために、対照的に訓練されたモデルを提案する。
  論文  参考訳（メタデータ） (2022-09-30T11:08:39Z)
• Letter-level Online Writer Identification [86.13203975836556]
  我々は文字レベルのオンラインライタIDという新たな問題に焦点をあてる。 主な課題は、しばしば異なるスタイルで手紙を書くことである。 我々はこの問題をオンライン書記スタイルのばらつき(Var-O-Styles)と呼ぶ。
  論文  参考訳（メタデータ） (2021-12-06T07:21:53Z)
• Scalable Font Reconstruction with Dual Latent Manifolds [55.29525824849242]
  タイポグラフィー解析とフォント再構成を行う深層生成モデルを提案する。 このアプローチによって、効果的にモデル化できるキャラクタの種類を大規模にスケールアップすることが可能になります。 多くの言語の文字タイプを表す様々なデータセット上でフォント再構成のタスクを評価する。
  論文  参考訳（メタデータ） (2021-09-10T20:37:43Z)
• Font Completion and Manipulation by Cycling Between Multi-Modality Representations [113.26243126754704]
  中間表現としてグラフを用いた2次元グラフィックオブジェクトとしてフォントグリフの生成を探求する。 我々は、画像エンコーダと画像の間のグラフで、モダリティサイクルのイメージ・ツー・イメージ構造を定式化する。 本モデルでは,画像から画像までのベースラインと,それ以前のグリフ補完手法よりも改善された結果を生成する。
  論文  参考訳（メタデータ） (2021-08-30T02:43:29Z)
• Grafit: Learning fine-grained image representations with coarse labels [114.17782143848315]
  本稿では,学習ラベルの提供するものよりも細かな表現を学習する問題に対処する。 粗いラベルと下層の細粒度潜在空間を併用することにより、カテゴリレベルの検索手法の精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-11-25T19:06:26Z)

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。