論文の概要: Culture-to-Culture Image Translation with Generative Adversarial
Networks
- arxiv url: http://arxiv.org/abs/2201.01565v1
- Date: Wed, 5 Jan 2022 12:10:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-06 14:37:08.762313
- Title: Culture-to-Culture Image Translation with Generative Adversarial
Networks
- Title(参考訳): 生成的adversarial networkを用いた文化から文化への画像翻訳
- Authors: Giulia Zaino, Carmine Tommaso Recchiuto, and Antonio Sgorbissa
- Abstract要約: 本稿では,「文化のブラシストローク」の変容過程として定義されたイメージ「文化化」の概念を紹介する。
本稿では,GAN(Generative Adversarial Networks)に基づいて,オブジェクトのイメージをソースからターゲット文化領域に翻訳するパイプラインを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This article introduces the concept of image "culturization", i.e., defined
as the process of altering the "brushstroke of cultural features" that make
objects perceived as belonging to a given culture while preserving their
functionalities. First, we propose a pipeline for translating objects' images
from a source to a target cultural domain based on Generative Adversarial
Networks (GAN). Then, we gather data through an online questionnaire to test
four hypotheses concerning the preferences of Italian participants towards
objects and environments belonging to different cultures. As expected, results
depend on individual tastes and preference: however, they are in line with our
conjecture that some people, during the interaction with a robot or another
intelligent system, might prefer to be shown images whose cultural domain has
been modified to match their cultural background.
- Abstract(参考訳): 本論では, イメージ「文化化」の概念,すなわち, 「文化的特徴のブラシストローク」を変容させる過程として定義し, その機能を維持しつつ, 特定の文化に属するものとして認識される物体を創出する。
まず,GAN(Generative Adversarial Networks)に基づいて,オブジェクトのイメージをソースから対象の文化的領域に翻訳するパイプラインを提案する。
そこで,我々は,異なる文化に属する対象や環境に対するイタリア人の嗜好に関する4つの仮説を,オンラインアンケートを通じて収集した。
予想通り、結果は個人の嗜好と好みに依存する:しかし、ロボットや他の知的システムとのインタラクション中に、文化領域が文化的背景に適合するように修正されたイメージを示すのが好まれるかもしれないという我々の推測と一致している。
関連論文リスト
- Massively Multi-Cultural Knowledge Acquisition & LM Benchmarking [48.21982147529661]
本稿では,多文化知識獲得のための新しいアプローチを提案する。
本手法は,文化トピックに関するウィキペディア文書からリンクページの広範囲なネットワークへ戦略的にナビゲートする。
私たちの仕事は、AIにおける文化的格差のギャップを深く理解し、橋渡しするための重要なステップです。
論文 参考訳(メタデータ) (2024-02-14T18:16:54Z) - CIC: A framework for Culturally-aware Image Captioning [3.03134738398979]
そこで我々は,文化を表す画像の視覚的要素から抽出された文化的要素をキャプションとして記述する新しい枠組み,textbfCulturally-aware Image Captioning (CIC)を提案する。
視覚的モダリティとLarge Language Models(LLM)を適切なプロンプトで組み合わせた手法に着想を得て,この枠組みは画像から文化カテゴリーに基づく質問を生成する。
4つの異なる文化集団から45人の被験者を対象に行った人的評価から,提案する枠組みがより文化的に記述的なキャプションを生成することが示唆された。
論文 参考訳(メタデータ) (2024-02-08T03:12:25Z) - Impressions: Understanding Visual Semiotics and Aesthetic Impact [66.40617566253404]
画像のセミオティックスを調べるための新しいデータセットであるImpressionsを提示する。
既存のマルチモーダル画像キャプションと条件付き生成モデルは、画像に対する可視的応答をシミュレートするのに苦労していることを示す。
このデータセットは、微調整と少数ショット適応により、画像の印象や美的評価をモデル化する能力を大幅に改善する。
論文 参考訳(メタデータ) (2023-10-27T04:30:18Z) - Not All Countries Celebrate Thanksgiving: On the Cultural Dominance in
Large Language Models [89.94270049334479]
本稿では,大規模言語モデル(LLM)における文化的優位性について述べる。
LLMは、ユーザーが非英語で尋ねるときに期待する文化とは無関係な、不適切な英語文化関連の回答を提供することが多い。
論文 参考訳(メタデータ) (2023-10-19T05:38:23Z) - Cultural Compass: Predicting Transfer Learning Success in Offensive
Language Detection with Cultural Features [21.54368550883955]
本研究は,文化的特徴の交わりと伝達学習の有効性について考察する。
これらの結果に基づいて,文化情報のデータセットへの統合を提唱する。
我々の研究は、より包括的で文化的に敏感な言語技術の探求において、一歩前進していることを示している。
論文 参考訳(メタデータ) (2023-10-10T09:29:38Z) - Navigating Cultural Chasms: Exploring and Unlocking the Cultural POV of
Text-To-Image Models [36.04866429768613]
本稿では,3つの階層(文化次元,文化領域,文化概念)にまたがる文化を特徴付けることによって,テキスト・トゥ・イメージ・モデルに埋め込まれた文化的知覚を探求する。
本稿では,CLIP空間を用いた内在的評価,ビジュアルクエスト・アンサー(VQA)モデルによる外在的評価,人的評価など,総合的な評価手法を提案する。
我々の実験は、TTIモデルにおける文化的エンコーディングの性質について、Do、What、What、Howおよび研究に関する洞察を提供し、異文化的な応用への道を開いた。
論文 参考訳(メタデータ) (2023-10-03T10:13:36Z) - CREHate: A CRoss-cultural English Hate Speech Dataset [46.386059125840376]
ほとんどのNLPデータセットは言語話者の文化的多様性を無視しており、ヘイトスピーチ検出において重大な欠点をもたらす。
そこで本研究では,CRoss文化の英語Hate音声データセットであるCREHateを紹介する。
論文 参考訳(メタデータ) (2023-08-31T13:14:47Z) - On the Cultural Gap in Text-to-Image Generation [75.69755281031951]
テキスト・トゥ・イメージ(T2I)生成における課題のひとつは、トレーニングデータに存在する文化ギャップの意図しない反映である。
クロスカルチャー画像を生成するT2Iモデルの能力を体系的に評価するベンチマークは存在しない。
本稿では,モデルが対象文化にどの程度適しているかを評価するため,包括的評価基準付きChallenging Cross-Cultural (C3)ベンチマークを提案する。
論文 参考訳(メタデータ) (2023-07-06T13:17:55Z) - Assessing Cross-Cultural Alignment between ChatGPT and Human Societies:
An Empirical Study [9.919972416590124]
ChatGPTは、対話で人間のような反応を生成できるという異常な能力で広く認知されている。
そこで我々は,ChatGPTの文化的背景を,人間の文化的差異を定量化するための質問に対する応答の分析によって検討した。
論文 参考訳(メタデータ) (2023-03-30T15:43:39Z) - Deception detection in text and its relation to the cultural dimension
of individualism/collectivism [6.17866386107486]
本研究は,文化における特定の言語的特徴の活用の相違が,個性主義/選択主義の分断に関して,規範に起因しているかどうかを考察する。
我々は、音韻学、形態学、構文に基づく幅広いn-gram特徴を実験することにより、カルチャー/言語対応分類器を作成する。
我々は6カ国(米国、ベルギー、インド、ロシア、メキシコ、ルーマニア)の5言語(英語、オランダ、ロシア、スペイン、ルーマニア)から11のデータセットを用いて実験を行った。
論文 参考訳(メタデータ) (2021-05-26T13:09:47Z) - From Culture to Clothing: Discovering the World Events Behind A Century
of Fashion Images [100.20851232528925]
本稿では,着る衣服に影響を及ぼす特定の文化的要因を特定するための,データ駆動型アプローチを提案する。
私たちの仕事は、計算的、スケーラブルで、簡単にリフレッシュ可能なアプローチによる、カルチャーと衣服のリンクに向けた第一歩です。
論文 参考訳(メタデータ) (2021-02-02T18:58:21Z)
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。