論文の概要: Art Creation with Multi-Conditional StyleGANs

• arxiv url: http://arxiv.org/abs/2202.11777v1
• Date: Wed, 23 Feb 2022 20:45:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-25 16:24:30.323805
• Title: Art Creation with Multi-Conditional StyleGANs
• Title（参考訳）: マルチコンディショナルスタイルガンを用いたアート創造
• Authors: Konstantin Dobler, Florian H\"ubscher, Jan Westphal, Alejandro Sierra-M\'unera, Gerard de Melo, Ralf Krestel
• Abstract要約: 人間のアーティストは、独特のスキル、理解、そして深い感情や感情を引き起こすアートワークを作る真の意図の組み合わせが必要です。 本研究では,多条件生成支援ネットワーク(GAN)アプローチを導入し,人間の芸術を模倣する現実的な絵画を合成する。
• 参考スコア（独自算出の注目度）: 81.72047414190482
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Creating meaningful art is often viewed as a uniquely human endeavor. A human artist needs a combination of unique skills, understanding, and genuine intention to create artworks that evoke deep feelings and emotions. In this paper, we introduce a multi-conditional Generative Adversarial Network (GAN) approach trained on large amounts of human paintings to synthesize realistic-looking paintings that emulate human art. Our approach is based on the StyleGAN neural network architecture, but incorporates a custom multi-conditional control mechanism that provides fine-granular control over characteristics of the generated paintings, e.g., with regard to the perceived emotion evoked in a spectator. For better control, we introduce the conditional truncation trick, which adapts the standard truncation trick for the conditional setting and diverse datasets. Finally, we develop a diverse set of evaluation techniques tailored to multi-conditional generation.
• Abstract（参考訳）: 有意義な芸術を創造することは、しばしば独特な人間の努力と見なされる。 人間のアーティストは、独特のスキル、理解、そして深い感情や感情を引き起こすアートワークを作る真の意図の組み合わせが必要です。 本稿では,人間アートを模倣する写実的な絵画を合成するために,大量の人間絵画を訓練した多条件生成逆ネットワーク(gan)アプローチを提案する。 提案手法は,StyleGANニューラルネットワークアーキテクチャに基づくものだが,観察者によって誘発される知覚的感情に対して,生成した絵画の特性を微粒的に制御する,カスタムなマルチ条件制御機構が組み込まれている。 そこで本研究では,条件設定と多様なデータセットに標準トランケーション手法を適用する条件付きトランケーション手法を提案する。 最後に,多条件生成に適した多様な評価手法を開発した。

関連論文リスト

• Neural-Polyptych: Content Controllable Painting Recreation for Diverse Genres [30.83874057768352]
  我々は,広汎で高解像度な絵画の作成を容易にするために,ニューラル・ポリプチッチという統一的な枠組みを提案する。 我々は、生成プロセスを2つの部分に分割する、マルチスケールのGANベースのアーキテクチャを設計した。 我々は東洋絵画と西洋絵画の両方の多様なジャンルへのアプローチを検証する。
  論文  参考訳（メタデータ） (2024-09-29T12:46:00Z)
• AI Art Neural Constellation: Revealing the Collective and Contrastive State of AI-Generated and Human Art [36.21731898719347]
  我々は、人間の芸術遺産の文脈内でAI生成芸術を位置づけるための包括的な分析を行う。 私たちの比較分析は、ArtConstellationと呼ばれる広範なデータセットに基づいています。 鍵となる発見は、1800-2000年に作られた現代美術の原理とAIが生成したアートアートが視覚的に関連していることである。
  論文  参考訳（メタデータ） (2024-02-04T11:49:51Z)
• CreativeSynth: Creative Blending and Synthesis of Visual Arts based on Multimodal Diffusion [74.44273919041912]
  大規模なテキスト・画像生成モデルは印象的な進歩を遂げ、高品質な画像を合成する能力を示している。 しかし、これらのモデルを芸術的な画像編集に適用することは、2つの重要な課題を提起する。 我々は,マルチモーダル入力をコーディネートする拡散モデルに基づく,革新的な統一フレームワークCreative Synthを構築した。
  論文  参考訳（メタデータ） (2024-01-25T10:42:09Z)
• XAGen: 3D Expressive Human Avatars Generation [76.69560679209171]
  XAGenは人体、顔、手を表現的に制御できる人間のアバターのための最初の3D生成モデルである。 身体, 顔, 手の合成を両立させる多部レンダリング手法を提案する。 実験によると、XAGenは現実主義、多様性、表現力のある制御能力の点で最先端の手法を超越している。
  論文  参考訳（メタデータ） (2023-11-22T18:30:42Z)
• Inversion-Based Style Transfer with Diffusion Models [78.93863016223858]
  以前の任意の例として誘導された芸術的画像生成法は、しばしば形状変化の制御や要素の伝達に失敗する。 画像のキー情報を効率よく正確に学習できるインバージョンベースのスタイル転送手法(InST)を提案する。
  論文  参考訳（メタデータ） (2022-11-23T18:44:25Z)
• Pathway to Future Symbiotic Creativity [76.20798455931603]
  そこで本研究では, 5クラス階層の創造システムを分類し, 擬人アーティストから機械アーティストへの創造の道筋を示す。 芸術創造においては、機械は欲求、感謝、感情を含む人間の精神状態を理解する必要があるが、機械の創造的能力と限界も理解する必要がある。 我々は、人間互換のAIシステムが「ループ内人間」の原理に基づいているべきだという哲学を取り入れた、未来のマシンアーティストを構築するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-18T15:12:02Z)
• LiveStyle -- An Application to Transfer Artistic Styles [0.0]
  ニューラルネットワークを用いたスタイルトランスファー(Style Transfer)とは、コンテンツイメージとスタイルイメージを取り込んでブレンドする最適化手法である。 本稿では,3種類のニューラルネットワークを用いて,一般市民が利用できるアプリケーションとしてスタイルトランスファーを実装した。
  論文  参考訳（メタデータ） (2021-05-03T13:50:48Z)
• Style and Pose Control for Image Synthesis of Humans from a Single Monocular View [78.6284090004218]
  StylePoseGANは、ポーズと外観のコンディショニングを別々に受け入れる非制御発電機です。 我々のネットワークは、人間のイメージで完全に教師された方法で訓練され、ポーズ、外観、体の部分を切り離すことができる。 StylePoseGANは、一般的な知覚メトリクスで最新の画像生成忠実度を実現します。
  論文  参考訳（メタデータ） (2021-02-22T18:50:47Z)
• Anisotropic Stroke Control for Multiple Artists Style Transfer [36.92721585146738]
  Stroke Control Multi-Artist Style Transferフレームワークを開発した。 異方性ストロークモジュール(ASM)は、様々なスタイルで適応的なセマンティック一貫性を持つネットワークを提供する。 単一スケールの条件付き識別器とは対照的に,識別器はマルチスケールのテクスチャの手がかりを捉えることができる。
  論文  参考訳（メタデータ） (2020-10-16T05:32:26Z)

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。