論文の概要: Inching Towards Automated Understanding of the Meaning of Art: An
Application to Computational Analysis of Mondrian's Artwork
- arxiv url: http://arxiv.org/abs/2302.00594v1
- Date: Thu, 29 Dec 2022 23:34:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-05 04:19:20.195624
- Title: Inching Towards Automated Understanding of the Meaning of Art: An
Application to Computational Analysis of Mondrian's Artwork
- Title（参考訳）: 美術の意味理解の自動化に向けて:モンドリアンの美術作品の計算解析への応用
- Authors: Alex Doboli, Mahan Agha Zahedi, Niloofar Gholamrezaei
- Abstract要約: 本稿では,セマンティック処理に関連する能力の同定を試みる。
提案手法は,モンドリアン絵画の理解過程と電子回路設計の理解過程を比較することで,不足する機能を明らかにする。
本手法の有用性を説明するために,モンドリアンの絵画を他の美術品と区別する新しい3段階の計算手法について論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deep Neural Networks (DNNs) have been successfully used in classifying
digital images but have been less successful in classifying images with
meanings that are not linear combinations of their visualized features, like
images of artwork. Moreover, it is unknown what additional features must be
included into DNNs, so that they can possibly classify using features beyond
visually displayed features, like color, size, and form. Non-displayed features
are important in abstract representations, reasoning, and understanding
ambiguous expressions, which are arguably topics less studied by current AI
methods. This paper attempts to identify capabilities that are related to
semantic processing, a current limitation of DNNs. The proposed methodology
identifies the missing capabilities by comparing the process of understanding
Mondrian's paintings with the process of understanding electronic circuit
designs, another creative problem solving instance. The compared entities are
cognitive architectures that attempt to loosely mimic cognitive activities. The
paper offers a detailed presentation of the characteristics of the
architectural components, like goals, concepts, ideas, rules, procedures,
beliefs, expectations, and outcomes. To explain the usefulness of the
methodology, the paper discusses a new, three-step computational method to
distinguish Mondrian's paintings from other artwork. The method includes in a
backward order the cognitive architecture's components that operate only with
the characteristics of the available data.
- Abstract（参考訳）: ディープニューラルネットワーク(DNN)はデジタルイメージの分類に成功しているが、アートワークの画像のような視覚化された特徴の線形結合ではない意味を持つイメージの分類に成功していない。
さらに、DNNにどんな機能を追加する必要があるかは不明で、色、サイズ、フォームなどの視覚的に表示された機能以外の機能を使用することができる。
非表示機能は抽象表現、推論、曖昧な表現の理解において重要である。
本稿では,DNNの現在の制限であるセマンティック処理に関連する機能を特定することを試みる。
提案手法は,モンドリアン絵画の理解過程と電子回路設計の理解過程を比較することで,その欠点を識別する。
比較対象は認知活動を緩やかに模倣しようとする認知アーキテクチャである。
本稿では,目標,概念,アイデア,ルール,手順,信念,期待,成果といった,アーキテクチャコンポーネントの特徴を詳細に紹介する。
本手法の有用性を説明するために,モンドリアンの絵画を他の美術品と区別する新しい3段階の計算手法について論じる。
この方法は、利用可能なデータの特徴のみで機能する認知アーキテクチャのコンポーネントを後方に含む。
関連論文リスト
- Explainable Concept Generation through Vision-Language Preference Learning [7.736445799116692]
概念に基づく説明は、ポストホック後のディープニューラルネットワークを説明するための一般的な選択肢となっている。
視覚言語生成モデルを微調整する強化学習に基づく選好最適化アルゴリズムを考案する。
提案手法の有効性と信頼性に加えて,ニューラルネットワーク解析の診断ツールとしての有用性を示す。
論文 参考訳（メタデータ） (2024-08-24T02:26:42Z) - Feature CAM: Interpretable AI in Image Classification [2.4409988934338767]
セキュリティ、金融、健康、製造業など、重要かつ高精度な分野で人工知能を使用するという信頼の欠如がある。
本稿では,摂動・活性化の組み合わせに該当する特徴CAM(Feature CAM)を提案する。
その結果, ABMの3～4倍の精度が得られた。
論文 参考訳（メタデータ） (2024-03-08T20:16:00Z) - ARTxAI: Explainable Artificial Intelligence Curates Deep Representation
Learning for Artistic Images using Fuzzy Techniques [11.286457041998569]
芸術的画像分類における異なる課題から得られる特徴が、類似した性質の他の課題を解決するのにどのように適しているかを示す。
本稿では、画像の既知の視覚特性をディープラーニングモデルで用いる特徴にマッピングする、説明可能な人工知能手法を提案する。
論文 参考訳（メタデータ） (2023-08-29T13:15:13Z) - A domain adaptive deep learning solution for scanpath prediction of
paintings [66.46953851227454]
本稿では,ある絵画の視覚的体験における視聴者の眼球運動分析に焦点を当てた。
我々は、人間の視覚的注意を予測するための新しいアプローチを導入し、人間の認知機能に影響を及ぼす。
提案した新しいアーキテクチャは、画像を取り込んでスキャンパスを返す。
論文 参考訳（メタデータ） (2022-09-22T22:27:08Z) - Separating Skills and Concepts for Novel Visual Question Answering [66.46070380927372]
アウト・オブ・ディストリビューションデータへの一般化は、VQA(Visual Question Answering)モデルにおいて問題となっている。
「スキル」とは、数え方や属性認識などの視覚的なタスクであり、その疑問に言及された「概念」に適用される。
モデル内でこれらの2つの要因を暗黙的に分離するスキルと概念を学習するための新しい手法を提案する。
論文 参考訳（メタデータ） (2021-07-19T18:55:10Z) - pix2rule: End-to-end Neuro-symbolic Rule Learning [84.76439511271711]
本稿では,画像のオブジェクトへの処理,学習関係,論理規則に関する完全なニューロシンボリックな手法を提案する。
主な貢献は、シンボリックリレーションとルールを抽出できるディープラーニングアーキテクチャにおける差別化可能なレイヤである。
我々のモデルは最先端のシンボリックラーナーを超えてスケールし、ディープリレーショナルニューラルネットワークアーキテクチャよりも優れていることを実証する。
論文 参考訳（メタデータ） (2021-06-14T15:19:06Z) - Graph Neural Networks for Knowledge Enhanced Visual Representation of
Paintings [14.89186519385364]
ArtSAGENetは、グラフニューラルネットワーク(GNN)と畳み込みニューラルネットワーク(CNN)を統合する新しいアーキテクチャである。
提案したArtSAGENetは,アーティストとアートワーク間の重要な依存関係をキャプチャし,エンコードする。
本研究は美術品の分析とキュレーションにビジュアルコンテンツとセマンティクスを統合する大きな可能性を秘めている。
論文 参考訳（メタデータ） (2021-05-17T23:05:36Z) - This is not the Texture you are looking for! Introducing Novel
Counterfactual Explanations for Non-Experts using Generative Adversarial
Learning [59.17685450892182]
反実用説明システムは、入力画像を変更して反実用推論を可能にする。
本稿では, 対向画像から画像への変換技術に基づく, 対向画像の説明を新たに生成する手法を提案する。
その結果,我々のアプローチは,2つの最先端技術システムよりも,メンタルモデル,説明満足度,信頼度,感情,自己効力に関して有意に優れた結果をもたらすことがわかった。
論文 参考訳（メタデータ） (2020-12-22T10:08:05Z) - A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
既存の説明可能性技術を評価するための診断特性のリストを作成する。
そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
論文 参考訳（メタデータ） (2020-09-25T12:01:53Z) - Concept Learners for Few-Shot Learning [76.08585517480807]
本研究では,人間の解釈可能な概念次元に沿って学習することで,一般化能力を向上させるメタ学習手法であるCOMETを提案する。
我々は,細粒度画像分類,文書分類,セルタイプアノテーションなど,さまざまな領域からの少数ショットタスクによるモデルの評価を行った。
論文 参考訳（メタデータ） (2020-07-14T22:04:17Z)
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。