論文の概要: NFTGAN: Non-Fungible Token Art Generation Using Generative Adversatial Networks

• arxiv url: http://arxiv.org/abs/2112.10577v1
• Date: Fri, 17 Dec 2021 14:58:27 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-21 15:18:52.977834
• Title: NFTGAN: Non-Fungible Token Art Generation Using Generative Adversatial Networks
• Title（参考訳）: nftgan:生成型adversatial networkを用いた非フランジブルトークンアート生成
• Authors: Sakib Shahriar and Kadhim Hayawi
• Abstract要約: 本稿では,デジタルアートの自動生成にGAN(Generative Adversarial Network)を用いる可能性について検討する。 GANは、音声、画像、ビデオコンテンツの合成に広く、効果的に使用されるディープラーニングアーキテクチャである。 定性的なケーススタディの結果は、生成されたアートワークが実際のサンプルに匹敵することを示している。
• 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: Digital arts have gained an unprecedented level of popularity with the emergence of non-fungible tokens (NFTs). NFTs are cryptographic assets that are stored on blockchain networks and represent a digital certificate of ownership that cannot be forged. NFTs can be incorporated into a smart contract which allows the owner to benefit from a future sale percentage. While digital art producers can benefit immensely with NFTs, their production is time consuming. Therefore, this paper explores the possibility of using generative adversarial networks (GANs) for automatic generation of digital arts. GANs are deep learning architectures that are widely and effectively used for synthesis of audio, images, and video contents. However, their application to NFT arts have been limited. In this paper, a GAN-based architecture is implemented and evaluated for digital arts generation. Results from the qualitative case study indicate the generated artworks are comparable to the real samples.
• Abstract（参考訳）: デジタルアートは、NFT(Non-fungible tokens)の出現によって、前例のないほどの人気を得た。 NFTはブロックチェーンネットワークに格納され、偽造できない所有権のデジタル証明書を表す暗号資産である。 NFTはスマートコントラクトに組み込むことができ、所有者は将来の販売率から利益を得ることができる。 デジタルアートの制作者はNFTで大いに利益を得ることができるが、生産には時間がかかる。 そこで本稿では,デジタルアートの自動生成にGAN(Generative Adversarial Network)を用いることの可能性を検討する。 GANは、音声、画像、ビデオコンテンツの合成に広く、効果的に使用されるディープラーニングアーキテクチャである。 しかし、NFTアートへの応用は限られている。 本稿では,デジタルアート生成のためのGANアーキテクチャを実装し,評価する。 定性的ケーススタディの結果は、生成されたアートワークが実際のサンプルに匹敵することを示している。

関連論文リスト

• Data-Independent Operator: A Training-Free Artifact Representation Extractor for Generalizable Deepfake Detection [105.9932053078449]
  本研究では,より一般的な人工物表現を捉えるのに,小型かつトレーニング不要なフィルタが十分であることを示す。 トレーニングソースとテストソースの両方に不偏があるため、未確認ソースに対して魅力的な改善を実現するために、Data-Independent Operator (DIO)と定義する。 我々の検出器は13.3%の大幅な改善を実現し、新しい最先端の性能を確立した。
  論文  参考訳（メタデータ） (2024-03-11T15:22:28Z)
• What Determines the Price of NFTs? [26.368626684043992]
  我々は,OpenSea上のNFTコレクションのオンチェーンデータとオフチェーンデータの両方を分析し,NFT価格にどのような影響があるのかを理解する。 以上の結果から,NFTのテキストデータや画像データはコレクション内の価格変動を説明するのに有用であるが,抽出された特徴は新たな未知のコレクションに一般化されないことがわかった。
  論文  参考訳（メタデータ） (2023-10-03T06:09:59Z)
• Evaluation of Non-Fungible Token (NFT) [0.0]
  非Fungible Tokenと呼ばれるブロックチェーンのトークン標準の派生は、区別可能なトークンである。 これらのトークンは、ユニークな識別を提供するデジタルプロパティと結びついている。 本論文は,NFTの発展を体系的に抑制する試みである。
  論文  参考訳（メタデータ） (2023-08-28T08:12:32Z)
• Learning Profitable NFT Image Diffusions via Multiple Visual-Policy Guided Reinforcement Learning [69.60868581184366]
  NFT画像に対する報酬として,複数ビジュアルポリシーを用いた拡散型生成フレームワークを提案する。 提案するフレームワークは,大規模言語モデル (LLM) と拡散型画像生成装置,および設計による視覚的報酬からなる。 我々のフレームワークは、SOTAのアプローチと比較して、より視覚的に魅力的な要素と高い市場価値を示すNFT画像を生成することができる。
  論文  参考訳（メタデータ） (2023-06-20T17:59:46Z)
• Show me your NFT and I tell you how it will perform: Multimodal representation learning for NFT selling price prediction [2.578242050187029]
  非Fungible Tokens(NFT)は、ブロックチェーン技術とスマートコントラクトに基づく、デジタルアートフォーム(アートワークやコレクションブルなど)上のユニークな暗号資産の所有権の行為を表す。 我々は,NFT画像とテキストのコレクション上に,グラフニューラルネットワークモデルとともにトランスフォーマーベースの言語と視覚モデルをトレーニングするために設計された,新しいマルチモーダルディープラーニングフレームワークであるMERLINを提案する。 MERLINの重要な側面は、NFTトレーディングに関心のあるユーザが処理したいプライマリデータのみを利用するため、金融機能に対する独立性である。
  論文  参考訳（メタデータ） (2023-02-03T11:56:38Z)
• The Art NFTs and Their Marketplaces [0.0]
  非ファンジブルトークン(Non-Fungible Tokens、NFT)は、ブロックチェーン技術を利用した、独自のデジタル識別子を持つ暗号資産である。 本稿は、アーティストが商品を売る方法を変える芸術NFTに焦点を当てる。 また、NFT技術が中間者を取り除いたことにより、アートトレード市場がどう機能するかも変更される。
  論文  参考訳（メタデータ） (2022-10-23T02:17:30Z)
• Probably Something: A Multi-Layer Taxonomy of Non-Fungible Tokens [62.997667081978825]
  非Fungible Tokens(NFT)は、メタバースの重要なビルディングブロックとして売り出されつつある。 本研究の目的は,分類学における共通の特徴を同定し,構造化することで,NFTの基本的かつ包括的理解を確立することである。
  論文  参考訳（メタデータ） (2022-08-29T18:00:30Z)
• "It's A Blessing and A Curse": Unpacking Creators' Practices with Non-Fungible Tokens (NFTs) and Their Communities [9.270221748331096]
  我々はNFTのクリエーターと探索的質的研究の結果に焦点をあてる。 参加者は,NFTとそのコミュニティに対するニュアンスな感情を持っていた。 ブロックチェーンとNFTの組み込みプロパティがこれらの問題にどのように貢献したのかを議論する。
  論文  参考訳（メタデータ） (2022-01-15T08:52:26Z)
• Fingerprinting Image-to-Image Generative Adversarial Networks [53.02510603622128]
  Generative Adversarial Networks (GAN) は様々なアプリケーションシナリオで広く利用されている。 本稿では,信頼できる第三者に基づく画像間GANの知的保護のための新しい指紋認証方式を提案する。
  論文  参考訳（メタデータ） (2021-06-19T06:25:10Z)
• Don't Forget to Sign the Gradients! [60.98885980669777]
  GradSignsはディープニューラルネットワーク(DNN)のための新しい透かしフレームワーク 深部ニューラルネットワーク(DNN)のための新しい透かしフレームワークであるGradSignsを紹介します。
  論文  参考訳（メタデータ） (2021-03-05T14:24:32Z)
• Hijack-GAN: Unintended-Use of Pretrained, Black-Box GANs [57.90008929377144]
  現状のGANモデルは、無条件画像生成以外の様々な用途に利用できることを示す。 我々は、画像生成プロセスの制御も可能な反復的なスキームによりこれを達成した。
  論文  参考訳（メタデータ） (2020-11-28T11:07:36Z)

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。