論文の概要: Living Images: A Recursive Approach to Computing the Structural Beauty
of Images or the Livingness of Space
- arxiv url: http://arxiv.org/abs/2301.01814v1
- Date: Wed, 4 Jan 2023 20:27:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-06 14:26:19.666620
- Title: Living Images: A Recursive Approach to Computing the Structural Beauty
of Images or the Livingness of Space
- Title（参考訳）: リビングイメージ:画像の構造的美しさや空間のリビングネスを計算するための再帰的アプローチ
- Authors: Bin Jiang and Chris de Rijke
- Abstract要約: より多くのサブ構造、より生きているか、より構造的に美しい、より高いサブ構造階層、より生きているか、より構造的に美しいと我々は主張する。
画像のサブ構造数はピクセル数よりもはるかに低く(平均33%)、サブ構造のセントロイドは画像の骨格や塩分濃度を効果的に捉えることができる。
- 参考スコア（独自算出の注目度）: 5.566946186234262
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Any image is perceived subconsciously as a coherent structure (or whole) with
two contrast substructures: figure and ground. The figure consists of numerous
auto-generated substructures with an inherent hierarchy of far more smalls than
larges. Through these substructures, the structural beauty of an image (L) can
be computed by the multiplication of the number of substructures (S) and their
inherent hierarchy (H). This definition implies that the more substructures,
the more living or more structurally beautiful, and the higher hierarchy of the
substructures, the more living or more structurally beautiful. This is the
non-recursive approach to the structural beauty of images or the livingness of
space. In this paper we develop a recursive approach, which derives all
substructures of an image (instead of its figure) and continues the deriving
process for those decomposable substructures until none of them are
decomposable. All of the substructures derived at different iterations (or
recursive levels) together constitute a living structure; hence the notion of
living images. We applied the recursive approach to a set of images and found
that (1) the number of substructures of an image is far lower (3 percent on
average) than the number of pixels and the centroids of the substructures can
effectively capture the skeleton or saliency of the image; (2) all the images
have the recursive levels more than three, indicating that they are indeed
living images; (3) no more than 2 percent of the substructures are
decomposable; (4) structural beauty can be measured by the recursively defined
substructures, as well as their decomposable subsets. The recursive approach is
proved to be more robust than the non-recursive approach. The recursive
approach and the non-recursive approach both provide a powerful means to study
the livingness or vitality of space in cities and communities.
- Abstract（参考訳）: 任意のイメージは、図形と接地という2つのコントラスト構造を持つコヒーレント構造(または全体)として意識的に認識される。
図は多数の自動生成サブ構造で構成され、大きなものよりもはるかに小さな階層構造である。
これらの部分構造を通して、像 (l) の構造美は、部分構造 (s) の数とその固有の階層 (h) の乗法によって計算できる。
この定義は、多くのサブ構造、より生きているか、より構造的に美しい、より高いサブ構造階層、より生きているか、より構造的に美しいことを意味する。
これは画像の構造美や空間の生存性に対する非再帰的なアプローチである。
本稿では,画像のすべての部分構造(図ではなく)を導出する再帰的手法を開発し,それらの部分構造を分解不能になるまで導出する過程を継続する。
異なるイテレーション(または再帰的なレベル)で導かれる全てのサブ構造は、リビング構造であり、リビングイメージの概念である。
We applied the recursive approach to a set of images and found that (1) the number of substructures of an image is far lower (3 percent on average) than the number of pixels and the centroids of the substructures can effectively capture the skeleton or saliency of the image; (2) all the images have the recursive levels more than three, indicating that they are indeed living images; (3) no more than 2 percent of the substructures are decomposable; (4) structural beauty can be measured by the recursively defined substructures, as well as their decomposable subsets.
再帰的アプローチは非再帰的アプローチよりも堅牢であることが証明されている。
再帰的アプローチと非再帰的アプローチはどちらも、都市やコミュニティにおける空間の生き方や活力を研究する強力な手段を提供する。
関連論文リスト
- StructRe: Rewriting for Structured Shape Modeling [63.792684115318906]
本稿では,構造化形状モデリングの新しいアプローチとして,構造書換えシステムであるStructReを提案する。
ポイントとコンポーネントで表される3Dオブジェクトが与えられたら、StructReはそれを上向きに、より簡潔な構造に書き直すか、より詳細な構造に書き直すことができる。
論文 参考訳（メタデータ） (2023-11-29T10:35:00Z) - Recursive Segmentation Living Image: An eXplainable AI (XAI) Approach
for Computing Structural Beauty of Images or the Livingness of Space [4.959120401369489]
本研究では、画像の美的魅力を評価するための客観的な計算手法として、「構造美」の概念を紹介する。
本手法を主観的景観評価のレポジトリであるScenic or Notデータセットに適用することにより,0-6スコア範囲の主観的評価と高い一貫性を示す。
我々の手法は、計算結果を提供するだけでなく、透明性と解釈可能性も提供し、説明可能なAI(XAI)の領域における新しい道として位置づけている。
論文 参考訳（メタデータ） (2023-10-16T07:37:20Z) - HyperHuman: Hyper-Realistic Human Generation with Latent Structural Diffusion [114.15397904945185]
本稿では,高リアリズムと多彩なレイアウトの人体画像を生成する統一的なフレームワークHyperHumanを提案する。
本モデルは,統合ネットワークにおける画像の外観,空間的関係,幾何学の連成学習を強制する。
我々のフレームワークは最先端の性能を生み出し、多様なシナリオ下で超現実的な人間の画像を生成する。
論文 参考訳（メタデータ） (2023-10-12T17:59:34Z) - Structure-Informed Shadow Removal Networks [67.57092870994029]
既存のディープラーニングベースのシャドウ除去手法は、依然として影の残像を持つ画像を生成する。
本稿では,影残差問題に対処するために,画像構造情報を活用する構造インフォームド・シャドウ除去ネットワーク(StructNet)を提案する。
我々の手法は既存のシャドウ除去方法よりも優れており、StructNetは既存の手法と統合してさらに改善することができる。
論文 参考訳（メタデータ） (2023-01-09T06:31:52Z) - A Structure-Guided Diffusion Model for Large-Hole Image Completion [85.61681358977266]
画像中の大きな穴を埋める構造誘導拡散モデルを開発した。
本手法は,最先端の手法と比較して,優れた,あるいは同等の視覚的品質を実現する。
論文 参考訳（メタデータ） (2022-11-18T18:59:01Z) - TC-SfM: Robust Track-Community-Based Structure-from-Motion [24.956499348500763]
本研究では,現場における高次情報,すなわち地域空間の文脈情報を活用することで,復興を導くことを提案する。
新たな構造、すなわち、各コミュニティがトラックのグループで構成され、シーン内の局所的なセグメントを表現する、テキストトラックコミュニティが提案されている。
論文 参考訳（メタデータ） (2022-06-13T01:09:12Z) - Learning Probabilistic Structural Representation for Biomedical Image
Segmentation [37.07198480786721]
構造表現を学習する最初の深層学習法を提案する。
我々は、この手法の強み、すなわち位相的整合性の良いピクセルマップよりも真の構造を生成することを実証的に示す。
論文 参考訳（メタデータ） (2022-06-03T06:00:26Z) - Generating Diverse Structure for Image Inpainting With Hierarchical
VQ-VAE [74.29384873537587]
本稿では,異なる構造を持つ複数の粗い結果を第1段階で生成し,第2段階ではテクスチャを増補して各粗い結果を別々に洗練する,多彩な塗布用2段階モデルを提案する。
CelebA-HQ, Places2, ImageNetデータセットによる実験結果から,本手法は塗布ソリューションの多様性を向上するだけでなく,生成した複数の画像の視覚的品質も向上することが示された。
論文 参考訳（メタデータ） (2021-03-18T05:10:49Z) - Structural-analogy from a Single Image Pair [118.61885732829117]
本稿では,1対の画像A,Bのみを用いて,ニューラルネットワークによる画像構造理解能力について検討する。
我々は、B の外観とスタイルを保持するが、A に対応する構造的配置を持つ画像を生成する。
提案手法は,画像AとBのみを利用した条件生成タスクにおいて,高品質な画像を生成するために利用できる。
論文 参考訳（メタデータ） (2020-04-05T14:51:10Z)
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。