論文の概要: Seeding Diversity into AI Art

• arxiv url: http://arxiv.org/abs/2205.00804v1
• Date: Mon, 2 May 2022 10:40:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-03 16:07:27.803683
• Title: Seeding Diversity into AI Art
• Title（参考訳）: AIアートに多様性を見出す
• Authors: Marvin Zammit, Antonios Liapis and Georgios N. Yannakakis
• Abstract要約: 生成的敵ネットワーク(GAN)は、1つのイメージを真空で生成するが、製品が以前作成されたものとどのように異なるかという新しい概念は欠如している。 進化的アルゴリズムの新規性保存機構をGANの力と組み合わせたアルゴリズムが、創造的プロセスを善で斬新な出力へと意図的に導くことができると想定する。
• 参考スコア（独自算出の注目度）: 1.393683063795544
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper argues that generative art driven by conformance to a visual and/or semantic corpus lacks the necessary criteria to be considered creative. Among several issues identified in the literature, we focus on the fact that generative adversarial networks (GANs) that create a single image, in a vacuum, lack a concept of novelty regarding how their product differs from previously created ones. We envision that an algorithm that combines the novelty preservation mechanisms in evolutionary algorithms with the power of GANs can deliberately guide its creative process towards output that is both good and novel. In this paper, we use recent advances in image generation based on semantic prompts using OpenAI's CLIP model, interrupting the GAN's iterative process with short cycles of evolutionary divergent search. The results of evolution are then used to continue the GAN's iterative process; we hypothesise that this intervention will lead to more novel outputs. Testing our hypothesis using novelty search with local competition, a quality-diversity evolutionary algorithm that can increase visual diversity while maintaining quality in the form of adherence to the semantic prompt, we explore how different notions of visual diversity can affect both the process and the product of the algorithm. Results show that even a simplistic measure of visual diversity can help counter a drift towards similar images caused by the GAN. This first experiment opens a new direction for introducing higher intentionality and a more nuanced drive for GANs.
• Abstract（参考訳）: 本稿では,視覚コーパスや意味コーパスによる生成的芸術は,創造的と考えるために必要な基準を欠いていることを論じる。 文献で特定されたいくつかの問題のうち、単一の画像を生成するgans(generative adversarial network)には、その製品が以前作成されたものとどのように異なるかという新しい概念が欠けていることに焦点が当てられている。 進化的アルゴリズムの新規性保存機構をGANの力と組み合わせたアルゴリズムが、創造的プロセスを善で斬新な出力へと意図的に導くことができると想定する。 本稿では,OpenAIのCLIPモデルを用いたセマンティックプロンプトに基づく画像生成の最近の進歩を利用して,進化的分岐探索の短いサイクルでGANの反復過程を中断する。 進化の結果は、GANの反復過程を継続するために使用され、我々はこの介入がより新しい出力をもたらすと仮定する。 局所的な競争を伴う新規性探索と品質多様性の進化的アルゴリズムを用いて、セマンティックプロンプトに従属する形で品質を維持しながら、視覚的多様性を向上できる仮説を検証し、視覚的多様性の概念がアルゴリズムのプロセスと製品の両方にどのように影響するかを考察する。 結果は、視覚多様性の簡易な尺度でさえ、GANによって引き起こされる同様の画像へのドリフトに対抗するのに役立つことを示している。 この最初の実験は、より高い意図とよりニュアンスなドライブを導入するための新しい方向を開く。

関連論文リスト

• Generative midtended cognition and Artificial Intelligence. Thinging with thinging things [0.0]
  生成中間認知(generative Midtended cognition)は、生成AIと人間の認知の統合を探求する。 生成的(generative)"という言葉は、AIが構造的出力を反復的に生成する能力を反映し、"再帰的(midtended)"はプロセスの潜在的なハイブリッド(人間-AI)の性質をキャプチャする。
  論文  参考訳（メタデータ） (2024-11-11T09:14:27Z)
• Semantic-Aligned Adversarial Evolution Triangle for High-Transferability Vision-Language Attack [51.16384207202798]
  視覚言語事前学習モデルは多モーダル逆例(AE)に対して脆弱である 従来のアプローチでは、画像とテキストのペアを拡大して、敵対的なサンプル生成プロセス内での多様性を高めている。 本稿では, 敵の多様性を高めるために, クリーン, ヒストリ, および現在の敵の例からなる敵の進化三角形からのサンプリングを提案する。
  論文  参考訳（メタデータ） (2024-11-04T23:07:51Z)
• DreamCreature: Crafting Photorealistic Virtual Creatures from Imagination [140.1641573781066]
  ターゲット概念のラベルなしイメージのセットを前提として、我々は、新しいハイブリッド概念を創出できるT2Iモデルをトレーニングすることを目指している。 そこで我々はDreamCreatureと呼ばれる新しい手法を提案し,その基盤となるサブ概念を同定し抽出する。 したがって、T2Iは忠実な構造とフォトリアリスティックな外観を持つ新しい概念を生成するのに適応する。
  論文  参考訳（メタデータ） (2023-11-27T01:24:31Z)
• ConceptLab: Creative Concept Generation using VLM-Guided Diffusion Prior Constraints [56.824187892204314]
  我々は創造的なテキスト・画像生成の課題を提示し、幅広いカテゴリの新しいメンバーを創り出そうとする。 本稿では, 先行拡散の出力空間上での最適化プロセスとして, 創造的生成問題を定式化できることを示す。 我々は、最適化問題に新たな制約を適応的に付加する質問応答型視覚言語モデル(VLM)を導入し、よりユニークな生成物を発見するようモデルに促す。
  論文  参考訳（メタデータ） (2023-08-03T17:04:41Z)
• Real-World Image Variation by Aligning Diffusion Inversion Chain [53.772004619296794]
  生成した画像と実世界の画像の間にはドメインギャップがあり、これは実世界の画像の高品質なバリエーションを生成する上での課題である。 実世界画像のアライメントによる変化(RIVAL)と呼ばれる新しい推論パイプラインを提案する。 我々のパイプラインは、画像生成プロセスとソース画像の反転チェーンを整列させることにより、画像の変動の生成品質を向上させる。
  論文  参考訳（メタデータ） (2023-05-30T04:09:47Z)
• Augmenting Character Designers Creativity Using Generative Adversarial Networks [0.0]
  GAN(Generative Adversarial Networks)は、さまざまな分野の研究者の注目を集めている。 しかし、近年のGANはリアリズムに重点を置いているが、超現実的な出力を生成することはいくつかの領域にとって優先事項ではない。 本稿では,異なるGANアーキテクチャと,新しいビジュアルキャラクタデータセットをスクラッチからトレーニングした場合のパフォーマンスを比較した。 また、転送学習やデータ拡張といった代替手法も検討し、計算資源の制限を克服する。
  論文  参考訳（メタデータ） (2023-05-28T10:52:03Z)
• 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)
• Investigating GANsformer: A Replication Study of a State-of-the-Art Image Generation Model [0.0]
  我々は、オリジナルのGANネットワークであるGANformerの新たなバリエーションを再現し、評価する。 リソースと時間制限のため、ネットワークのトレーニング時間、データセットタイプ、サイズを制限しなければなりませんでした。
  論文  参考訳（メタデータ） (2023-03-15T12:51:16Z)
• Evade the Trap of Mediocrity: Promoting Diversity and Novelty in Text Generation via Concentrating Attention [85.5379146125199]
  強力なトランスフォーマーアーキテクチャは高品質な文を生成するのに優れていることが証明されている。 本研究では,Transformerにおけるスペーサーの注意値が多様性を向上させることを発見した。 注意分布のシャープさを制御するために,新しい注意正規化損失を導入する。
  論文  参考訳（メタデータ） (2022-11-14T07:53:16Z)
• Rethinking conditional GAN training: An approach using geometrically structured latent manifolds [58.07468272236356]
  条件付きGAN(cGAN)は、生成された出力の多様性の欠如などの重大な欠点に悩まされる。 本稿では,バニラcGANの多様性と視覚的品質を両立させる新しいトレーニング機構を提案する。
  論文  参考訳（メタデータ） (2020-11-25T22:54:11Z)

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。