論文の概要: Quality-diversity for aesthetic evolution

• arxiv url: http://arxiv.org/abs/2202.01961v1
• Date: Fri, 4 Feb 2022 04:11:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-26 21:04:27.222970
• Title: Quality-diversity for aesthetic evolution
• Title（参考訳）: 審美進化のための品質多様性
• Authors: Jon McCormack and Camilo Cruz Gambardella
• Abstract要約: 創造的な生成システムを探索するために,品質多様性探索手法を適用した。 多様性を計算するために、畳み込みニューラルネットワークを使用して、次元的に2次元に縮小された特徴を識別する。 品質多様性探索は, 高い美的価値を示す複数の表現型を見出すことができることを示す。
• 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: Many creative generative design spaces contain multiple regions with individuals of high aesthetic value. Yet traditional evolutionary computing methods typically focus on optimisation, searching for the fittest individual in a population. In this paper we apply quality-diversity search methods to explore a creative generative system (an agent-based line drawing model). We perform a random sampling of genotype space and use individual artist-assigned evaluations of aesthetic quality to formulate a computable fitness measure specific to the artist and this system. To compute diversity we use a convolutional neural network to discriminate features that are dimensionally reduced into two dimensions. We show that the quality-diversity search is able to find multiple phenotypes of high aesthetic value. These phenotypes show greater diversity and quality than those the artist was able to find using manual search methods.
• Abstract（参考訳）: 多くの創造的な生成的デザイン空間は、高い美的価値を持つ複数の領域を含んでいる。 しかし、伝統的な進化的計算手法は一般的に最適化に焦点を合わせ、人口の中で最も適した個人を探す。 本稿では,創造的生成システム(エージェントベース線描画モデル)の探索に品質多様性探索法を適用した。 ジェノタイプ空間をランダムにサンプリングし、個々のアーティストが割り当てた美的品質の評価を用いて、アーティストとそのシステム特有の計算可能なフィットネス尺度を定式化する。 多様性を計算するために、畳み込みニューラルネットワークを使用して、次元的に2次元に縮小された特徴を識別する。 品質多様性探索は,高い美的価値を示す複数の表現型を見出すことができることを示す。 これらの表現型は、アーティストが手動検索で見つけたものよりも多様性と品質を示している。

関連論文リスト

• Alien Recombination: Exploring Concept Blends Beyond Human Cognitive Availability in Visual Art [90.8684263806649]
  視覚芸術の創造において、AIが人間の認知的限界を超越する方法を示します。 我々の研究は、視覚芸術には膨大な未探索の概念的組み合わせが含まれているという仮説を立てている。 本稿では,人間の認知能力を超えた概念の組み合わせを同定し,生成するエイリアン組換え法を提案する。
  論文  参考訳（メタデータ） (2024-11-18T11:55:38Z)
• Generalized People Diversity: Learning a Human Perception-Aligned Diversity Representation for People Images [11.038712922077458]
  本稿では,人間の多様性の概念と柔軟に整合する多様な人物画像ランキング手法を提案する。 The Perception-Aligned Text- derived Human representation Space (PATHS)は、人間に関連する多様性のすべてのまたは多くの特徴を捉えることを目的としている。
  論文  参考訳（メタデータ） (2024-01-25T17:19:22Z)
• Diverse Diffusion: Enhancing Image Diversity in Text-to-Image Generation [0.0]
  画像の多様性をジェンダーや民族を超えて向上させる方法であるDiverse Diffusionを紹介した。 私たちのアプローチは、より包括的で代表的なAI生成アートの作成に寄与します。
  論文  参考訳（メタデータ） (2023-10-19T08:48:23Z)
• Creative Discovery using QD Search [4.941630596191806]
  本稿では,進化的最適化とAIに基づく画像分類を組み合わせて品質多様性探索を行う手法を提案する。 抽象図面を生成する生成システム上で,本手法を検証した。
  論文  参考訳（メタデータ） (2023-05-08T05:11:02Z)
• Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders [55.41644538483948]
  分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。 従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。 本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
  論文  参考訳（メタデータ） (2022-10-23T11:52:57Z)
• What can phylogenetic metrics tell us about useful diversity in evolutionary algorithms? [62.997667081978825]
  系統的多様性指標(英: Phylogenetic diversity metrics)は、生物学で広く用いられる指標の分類である。 ほとんどの場合、系統学的指標は他の多様性指標と有意に異なる振る舞いをする。
  論文  参考訳（メタデータ） (2021-08-28T06:49:14Z)
• Expressivity of Parameterized and Data-driven Representations in Quality Diversity Search [111.06379262544911]
  2つの異なる検索空間で実施した品質多様性進化探索の出力多様性を比較する。 学習モデルは、未知の例への外挿や拡大よりも、既知のデータポイント間の補間が優れている。
  論文  参考訳（メタデータ） (2021-05-10T10:27:43Z)
• A Novel Bio-Inspired Texture Descriptor based on Biodiversity and Taxonomic Measures [81.08571247838206]
  種多様性と豊かさと分類学的特有性を通して、多様なパターンの複雑なシステムを定量化できる新しいアプローチを提案する。 提案手法は,各画像チャネルを種生態系とみなし,種多様性と豊かさの度合いを計算し,テクスチャを記述するための分類学的尺度である。
  論文  参考訳（メタデータ） (2021-02-13T20:14:14Z)
• Random Network Distillation as a Diversity Metric for Both Image and Text Generation [62.13444904851029]
  我々は、どんな種類のデータにも、どんな種類のデータにも、自然にも適用できる新しい多様性指標を開発した。 私たちはこのメトリクスを画像とテキストの両方で検証し、デプロイします。
  論文  参考訳（メタデータ） (2020-10-13T22:03:52Z)
• 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)
• Understanding Aesthetic Evaluation using Deep Learning [5.837881923712394]
  本稿では,近年の深層学習の進歩が,個人的審美判断の自動化にどのように役立つかを検討する。 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,任意の生成系における新しい領域の探索を支援する。 ユーザの以前の審美評価に基づいてトレーニングされた畳み込みニューラルネットワークは、既知の高品質なジェノタイプ-フェノタイプマッピング間の新たな可能性を提案するために使用される。
  論文  参考訳（メタデータ） (2020-04-15T04:18:38Z)

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。