論文の概要: Can There be Art Without an Artist?
- arxiv url: http://arxiv.org/abs/2209.07667v1
- Date: Fri, 16 Sep 2022 01:23:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-19 12:16:30.009659
- Title: Can There be Art Without an Artist?
- Title(参考訳): アーティストがいない芸術はあるだろうか?
- Authors: Avijit Ghosh, Genoveva Fossas
- Abstract要約: GAN(Generative Adversarial Network)をベースとしたアートは、過去1年間に急増している。
我々は、生成モデルが芸術と職人の搾取にどう影響したかを探求する。
- 参考スコア(独自算出の注目度): 1.2691047660244335
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative Adversarial Network (GAN) based art has proliferated in the past
year, going from a shiny new tool to generate fake human faces to a stage where
anyone can generate thousands of artistic images with minimal effort. Some of
these images are now ``good'' enough to win accolades from qualified judges. In
this paper, we explore how Generative Models have impacted artistry, not only
from a qualitative point of view, but also from an angle of exploitation of
artisans --both via plagiarism, where models are trained on their artwork
without permission, and via profit shifting, where profits in the art market
have shifted from art creators to model owners or to traders in the unregulated
secondary crypto market. This confluence of factors risks completely detaching
humans from the artistic process, devaluing the labor of artists and distorting
the public perception of the value of art.
- Abstract(参考訳): この1年、gan(generative adversarial network)ベースのアートが広まり、偽の人間の顔を生成する光沢のある新しいツールから、誰もが最小限の努力で何千ものアートイメージを生成できるステージへと進化した。
これらの画像のいくつかは、資格のある審査員から称賛を受けるのに十分な「良い」ものとなっている。
本稿では,生成モデルが芸術に与えた影響について,質的観点からだけでなく,職人の搾取の面からも考察する。モデルが許可なくアートワークで訓練される盗作主義や,アートマーケットにおける利益がアートクリエーターからモデルオーナーへ,あるいは規制のない二次暗号通貨市場のトレーダーへとシフトした利益シフトを通じて考察する。
この要因の一致は、芸術的プロセスから人間を完全に排除し、芸術家の労働力を減らし、芸術の価値に対する大衆の認識を歪めてしまうリスクを負う。
関連論文リスト
- Foregrounding Artist Opinions: A Survey Study on Transparency,
Ownership, and Fairness in AI Generative Art [0.0]
生成人工知能(AI)ツールは、アートのようなアウトプットを作成し、創造的なプロセスを支援するために使用される。
我々は,ジェネレーティブAIアートの潜在的有用性と害に関するアーティストの意見の緊張関係を調べるために,アーティストを調査した。
アーティストたちは、モデルクリエーターがAIモデルをトレーニングするために使用するアートやイメージの詳細を開示する必要があると考えている。
論文 参考訳(メタデータ) (2024-01-27T20:22:46Z) - 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) - Studying Artist Sentiments around AI-generated Artwork [25.02527831382343]
われわれは7人のアーティストにインタビューし、ソーシャルメディアプラットフォームReddit、Twitter、Artstationでアーティストの投稿を分析した。
我々は、これらのツールの包括的開発に向けて、AI生成アートワークに関するアーティストの主な懸念と希望を報告します。
論文 参考訳(メタデータ) (2023-11-22T22:44:02Z) - Measuring the Success of Diffusion Models at Imitating Human Artists [7.007492782620398]
モデルが特定のアーティストを模倣する能力を測定する方法を示す。
コントラスト言語-画像事前訓練(CLIP)エンコーダを用いてゼロショット方式で画像の分類を行う。
また,アーティストの作品のサンプルを,これらの模倣画像と高い統計的信頼性で一致させることができることを示す。
論文 参考訳(メタデータ) (2023-07-08T18:31:25Z) - Inventing art styles with no artistic training data [0.65268245109828]
本研究では,自然画像のみに基づいて学習したモデルを用いて,絵画スタイルを作成する2つの手法を提案する。
第1の手順では、創造的な表現を達成するために、芸術媒体からの帰納バイアスを用いる。
第2の手順では、新たなスタイルを作るためのインスピレーションとして、追加の自然なイメージを使用する。
論文 参考訳(メタデータ) (2023-05-19T21:59:23Z) - Learning to Evaluate the Artness of AI-generated Images [72.06263228104709]
アートスコア(ArtScore)は、アーティストによる本物のアートワークと画像がどの程度似ているかを評価するために設計されたメトリクスである。
我々は、写真とアートワークの生成のために事前訓練されたモデルを採用し、一連の混合モデルを生み出した。
このデータセットはニューラルネットワークのトレーニングに使用され、任意の画像の定量化精度レベルを推定する方法を学ぶ。
論文 参考訳(メタデータ) (2023-05-08T17:58:27Z) - Language Does More Than Describe: On The Lack Of Figurative Speech in
Text-To-Image Models [63.545146807810305]
テキスト・ツー・イメージ拡散モデルでは、テキスト入力プロンプトから高品質な画像を生成することができる。
これらのモデルは、コンテンツベースのラベル付けプロトコルから収集されたテキストデータを用いて訓練されている。
本研究では,現在使用されているテキスト・画像拡散モデルのトレーニングに使用されている公開テキストデータの感情性,目的性,抽象化の程度を特徴付ける。
論文 参考訳(メタデータ) (2022-10-19T14:20:05Z) - 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) - CtlGAN: Few-shot Artistic Portraits Generation with Contrastive Transfer
Learning [77.27821665339492]
CtlGANは、新しいコントラッシブ・トランスファー学習戦略を備えた、数発のアート・ポートレート生成モデルである。
ソースドメインで事前訓練したStyleGANを,対象の芸術領域に適応させる。
実面をZ+空間に埋め込んだ新しいエンコーダを提案し,適応型デコーダに対処するためのデュアルパストレーニング戦略を提案する。
論文 参考訳(メタデータ) (2022-03-16T13:28:17Z) - Quantifying Confounding Bias in Generative Art: A Case Study [3.198144010381572]
本研究では,美術作品の学習スタイルにおける芸術運動の影響のモデル化が欠如していることから,難解なバイアスを定量化するための簡易な指標を提案する。
提案手法は,芸術作品における芸術運動の影響を理解する上で,最先端の外れ値検出法よりも有効である。
論文 参考訳(メタデータ) (2021-02-23T21:59:30Z) - Modeling Artistic Workflows for Image Generation and Editing [83.43047077223947]
与えられた芸術的ワークフローに従う生成モデルを提案する。
既存の芸術作品の多段画像編集だけでなく、多段画像生成も可能である。
論文 参考訳(メタデータ) (2020-07-14T17:54:26Z)
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。