論文の概要: Complexity and Aesthetics in Generative and Evolutionary Art
- arxiv url: http://arxiv.org/abs/2201.01470v1
- Date: Wed, 5 Jan 2022 06:19:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-02 05:50:37.349811
- Title: Complexity and Aesthetics in Generative and Evolutionary Art
- Title(参考訳): 生成と進化の複雑さと美学
- Authors: Jon McCormack and Camilo Cruz Gambardella
- Abstract要約: 生成的および進化的芸術とデザインに適用される複雑さの概念について検討する。
複雑度と個人的審美判断の相関について検討する。
生成的・進化的技術における直接測度の価値について論じる。
- 参考スコア(独自算出の注目度): 5.837881923712394
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper we examine the concept of complexity as it applies to
generative and evolutionary art and design. Complexity has many different,
discipline specific definitions, such as complexity in physical systems
(entropy), algorithmic measures of information complexity and the field of
"complex systems". We apply a series of different complexity measures to three
different evolutionary art datasets and look at the correlations between
complexity and individual aesthetic judgement by the artist (in the case of two
datasets) or the physically measured complexity of generative 3D forms. Our
results show that the degree of correlation is different for each set and
measure, indicating that there is no overall "better" measure. However,
specific measures do perform well on individual datasets, indicating that
careful choice can increase the value of using such measures. We then assess
the value of complexity measures for the audience by undertaking a large-scale
survey on the perception of complexity and aesthetics. We conclude by
discussing the value of direct measures in generative and evolutionary art,
reinforcing recent findings from neuroimaging and psychology which suggest
human aesthetic judgement is informed by many extrinsic factors beyond the
measurable properties of the object being judged.
- Abstract(参考訳): 本稿では,生成的および進化的芸術とデザインに適用する複雑性の概念について考察する。
複雑性には、物理システムにおける複雑性(エントロピー)、情報複雑性のアルゴリズム的尺度、"複合システム"の分野など、多くの異なる規律固有の定義がある。
3つの異なる進化的アートデータセットに様々な複雑さ尺度を適用し、(2つのデータセットの場合)アーティストによる複雑さと個々の美的判断の相関や、生成的3D形式の物理的に測定された複雑さを考察する。
以上の結果から,各集合と測度の相関度が異なっており,全体的な「有益」測度は存在しないことが示された。
しかし、特定の尺度は個々のデータセットで良好に機能し、慎重な選択がそのような尺度を使用する価値を高めることを示唆している。
次に, 複雑度と美観の認知に関する大規模調査を行い, オーディエンスに対する複雑度尺度の価値を評価する。
我々は、生成的および進化的芸術における直接測定の価値を議論し、ヒトの審美的判断が判定対象の可測性を超えた多くの外因的要因によって通知されることを示唆する神経画像および心理学からの最近の知見を補強することで結論付けた。
関連論文リスト
- Genetic InfoMax: Exploring Mutual Information Maximization in
High-Dimensional Imaging Genetics Studies [50.11449968854487]
遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。
画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。
本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
論文 参考訳(メタデータ) (2023-09-26T03:59:21Z) - On the Complexity of Bayesian Generalization [141.21610899086392]
我々は、多様かつ自然な視覚スペクトルにおいて、概念一般化を大規模に考える。
問題空間が大きくなると、2つのモードが研究され、$complexity$が多様になる。
論文 参考訳(メタデータ) (2022-11-20T17:21:37Z) - Quantifying Complexity: An Object-Relations Approach to Complex Systems [0.0]
本稿では,全ての種類のシステムに一般化した複雑なシステムのオブジェクト関係モデルを開発する。
結果として生じる複雑情報エントロピー(CIE)方程式は、様々な文脈における複雑性を定量化する堅牢な方法である。
応用分野は工学設計、原子物理学、分子物理学、化学、材料科学、心理学、神経科学、社会学、生態学、経済学、医学である。
論文 参考訳(メタデータ) (2022-10-22T04:22:21Z) - Compression ensembles quantify aesthetic complexity and the evolution of
visual art [0.0]
我々は、歴史的・現代視覚メディアにおけるアルゴリズム距離を定量化するために、圧縮アプローチを一般化し拡張する。
提案された「アンサンブル」アプローチは、与えられた入力画像の多数の変換されたバージョンを圧縮することで機能する。
我々は、この手法が、何世紀にもわたって、そして急速に発展している現代NFTアートマーケットにおいて、美術史データのトレンドを明らかにし、定量化するためにどのように使われるかを示す。
論文 参考訳(メタデータ) (2022-05-20T16:05:22Z) - A Minimalist Dataset for Systematic Generalization of Perception,
Syntax, and Semantics [131.93113552146195]
我々は,機械が一般化可能な概念を学習する能力を調べるため,新しいデータセットであるHINT(Hand written arithmetic with INTegers)を提案する。
HINTでは、イメージなどの生信号から概念がどのように認識されるかを学ぶことが機械のタスクである。
我々は、RNN、Transformer、GPT-3など、様々なシーケンス・ツー・シーケンスモデルで広範囲に実験を行った。
論文 参考訳(メタデータ) (2021-03-02T01:32:54Z) - The Enigma of Complexity [4.941630596191806]
複雑度と個人的審美判断の相関について検討する。
生成的・進化的技術における直接測度の価値について論じる。
論文 参考訳(メタデータ) (2021-02-03T23:26:49Z) - Deep Learning of Individual Aesthetics [5.837881923712394]
複雑度などの画像計測と人体美的評価の関係について検討する。
我々は、ジェノタイプ空間と表現型空間の両方を可視化するために次元還元法を用いて、生成系における新しい領域の探索を支援する。
我々はこの分類と発見システムを、複雑な生成技術と設計を進化させるソフトウェアツールに統合する。
論文 参考訳(メタデータ) (2020-09-24T03:04:28Z) - DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
人-物間相互作用(HOI)検出の課題に対処する。
既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。
本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
論文 参考訳(メタデータ) (2020-08-26T17:59:40Z) - HMOR: Hierarchical Multi-Person Ordinal Relations for Monocular
Multi-Person 3D Pose Estimation [54.23770284299979]
本稿では, 階層型多人数常連関係(HMOR)を新たに導入する。
HMORは相互作用情報を階層的に深さと角度の順序関係として符号化する。
統合トップダウンモデルは、学習プロセスにおけるこれらの順序関係を活用するように設計されている。
提案手法は, 公開されている多人数の3Dポーズデータセットにおいて, 最先端の手法を著しく上回っている。
論文 参考訳(メタデータ) (2020-08-01T07:53:27Z) - A Critical View of the Structural Causal Model [89.43277111586258]
相互作用を全く考慮せずに原因と効果を識別できることが示される。
本稿では,因果モデルの絡み合った構造を模倣する新たな逆行訓練法を提案する。
我々の多次元手法は, 合成および実世界の両方のデータセットにおいて, 文献的手法よりも優れている。
論文 参考訳(メタデータ) (2020-02-23T22:52:28Z)
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。