論文の概要: Medium. Permeation: SARS-COV-2 Painting Creation by Generative Model
- arxiv url: http://arxiv.org/abs/2304.11354v1
- Date: Sat, 22 Apr 2023 09:27:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 18:57:26.240529
- Title: Medium. Permeation: SARS-COV-2 Painting Creation by Generative Model
- Title（参考訳）: 媒体。
sars-cov-2 生成モデルによる絵画制作
- Authors: Yuan-Fu Yang, Iuan-Kai Fang, Min Sun, Su-Chu Hsu
- Abstract要約: このアートワークは、14〜14マトリックスに配置されたランダムに生成された196枚のバイラル絵からなり、大規模な絵画を形成する。
LEDテレビ画面の前には、色が連続的に変化する196枚のウイルス絵が現れる。
これはまた、印象派と新型コロナウイルスの共通点と比喩的な共生に基づく世界で初めての生成芸術でもある。
- 参考スコア（独自算出の注目度）: 22.842646252287548
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Airborne particles are the medium for SARS-CoV-2 to invade the human body.
Light also reflects through suspended particles in the air, allowing people to
see a colorful world. Impressionism is the most prominent art school that
explores the spectrum of color created through color reflection of light. We
find similarities of color structure and color stacking in the Impressionist
paintings and the illustrations of the novel coronavirus by artists around the
world. With computerized data analysis through the main tones, the way of color
layout, and the way of color stacking in the paintings of the Impressionists,
we train computers to draw the novel coronavirus in an Impressionist style
using a Generative Adversarial Network to create our artwork "Medium.
Permeation". This artwork is composed of 196 randomly generated viral pictures
arranged in a 14 by 14 matrix to form a large-scale painting. In addition, we
have developed an extended work: Gradual Change, which is presented as video
art. We use Graph Neural Network to present 196 paintings of the new
coronavirus to the audience one by one in a gradual manner. In front of LED TV
screen, audience will find 196 virus paintings whose colors will change
continuously. This large video painting symbolizes that worldwide 196 countries
have been invaded by the epidemic, and every nation continuously pops up mutant
viruses. The speed of vaccine development cannot keep up with the speed of
virus mutation. This is also the first generative art in the world based on the
common features and a metaphorical symbiosis between Impressionist art and the
novel coronavirus. This work warns us of the unprecedented challenges posed by
the SARS-CoV-2, implying that the world should not ignore the invisible enemy
who uses air as a medium.
- Abstract（参考訳）: 空気中の粒子はSARS-CoV-2が人体に侵入する媒体である。
光は空中の浮遊粒子を反射し、人々がカラフルな世界を見ることができる。
印象派は、光の反射によって生成される色のスペクトルを探求する最も著名な美術学校である。
印象派の絵画や、世界中のアーティストによる新型コロナウイルスのイラストに色構造や色重ね合いの類似性が見られる。
代表音,色配置,印象派の絵画における色重ねの仕方によるコンピュータ化されたデータ分析により,私たちは,ジェネレーティブ・アドバーサリアル・ネットワークを用いて,コンピュータに新型コロナウイルスを印象派のスタイルで描くように訓練し,アートワーク「Medium.Permeation」を作成しました。
このアートワークは、14×14のマトリクスにランダムに生成された196のバイラル画像からなり、大規模な絵画を形成する。
さらに我々は、ビデオアートとして提示されるGradual Changeという拡張された作品を開発した。
グラフニューラルネットワークを用いて、新型コロナウイルスの196枚の絵を聴衆に段階的に提示する。
LEDテレビ画面の前には、色が連続的に変化する196枚のウイルス絵が現れる。
この大きなビデオ・ペインティングは、世界的な196カ国がこの流行に侵略され、全ての国がミュータントウイルスを継続的に感染させていることを象徴している。
ワクチン開発速度はウイルス変異の速さに追いつくことができない。
これはまた、印象派と新型コロナウイルスの共通点と比喩的な共生に基づく世界で初めての生成芸術でもある。
この研究はSARS-CoV-2による前例のない挑戦を警告し、世界は空気を媒介とする見えない敵を無視してはならないことを示唆している。
関連論文リスト
- Improving Diffusion Models for Authentic Virtual Try-on in the Wild [53.96244595495942]
本稿では,キュレートされた衣服を身に着けている人のイメージをレンダリングする,イメージベースの仮想試行について考察する。
衣服の忠実度を改善し,仮想試行画像を生成する新しい拡散モデルを提案する。
本稿では,一対の人着画像を用いたカスタマイズ手法を提案する。
論文 参考訳（メタデータ） (2024-03-08T08:12:18Z) - Colorizing Monochromatic Radiance Fields [55.695149357101755]
単色放射光場からの再現色を,ラボ色空間における表現・予測課題として検討する。
まず、単色画像を用いて輝度と密度の表現を構築することにより、画像色化モジュールに基づいて色表現を再現できる。
次に、輝度、密度、色を表現することで、カラフルな暗黙のモデルを再現する。
論文 参考訳（メタデータ） (2024-02-19T14:47:23Z) - BiomedJourney: Counterfactual Biomedical Image Generation by
Instruction-Learning from Multimodal Patient Journeys [99.7082441544384]
本稿では,インストラクション学習によるバイオメディカル画像生成のための新しい手法であるBiomedJourneyを紹介する。
我々は、GPT-4を用いて、対応する画像レポートを処理し、疾患進行の自然言語記述を生成する。
得られた三重項は、反現実的なバイオメディカル画像生成のための潜伏拡散モデルを訓練するために使用される。
論文 参考訳（メタデータ） (2023-10-16T18:59:31Z) - Reference-based Painterly Inpainting via Diffusion: Crossing the Wild
Reference Domain Gap [80.19252970827552]
RefPaintは、野生の参照ドメインギャップを横断して、新しいオブジェクトをアートワークに埋め込む新しいタスクである。
提案手法は,他の方法では達成し難い参照オブジェクトで絵を描くことができる。
論文 参考訳（メタデータ） (2023-07-20T04:51:10Z) - 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) - Creative Painting with Latent Diffusion Models [1.4649095013539173]
遅延拡散モデル (LDMs) は, 安定かつ高出生率の画像生成を実現している。
ウィキアート・データセットを用いたテキスト・コンディション・エクステンションとモデル・リトレーニングの2つの方向における現行のLCDの創造的絵画能力の向上に焦点をあてる。
論文 参考訳（メタデータ） (2022-09-29T11:49:07Z) - 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) - Intelli-Paint: Towards Developing Human-like Painting Agents [19.261822105543175]
そこで本研究では,より人間的な絵画スタイルを示しながら,出力キャンバスの生成を学習する新しい絵画手法を提案する。
Intelli-Paintは1)プログレッシブな階層化戦略から成り、エージェントはまず、各前景オブジェクトをプログレッシブな方法で追加する前に、自然の背景を表現できる。
また,筆画エージェントが各画像領域にセマンティック・アウェアで注目を移すのに役立つ,新しいシーケンシャルなブラシストローク誘導戦略を導入する。
論文 参考訳（メタデータ） (2021-12-16T14:56:32Z) - Continuation of Famous Art with AI: A Conditional Adversarial Network
Inpainting Approach [1.713291434132985]
本研究は,画像インペインティングを応用して,有名な美術品を継続し,コンディショナルGANで生成芸術を制作するものである。
塗装GANは、対向的・絶対的な差分損失を最小化して、中心作物から原像を復元する学習を行う。
画像はトリミングではなくリサイズされ、ジェネレータへの入力として提示される。
学習プロセスの後、ジェネレータは元の部品の端から連続して新しい画像を生成する。
論文 参考訳（メタデータ） (2021-10-18T10:39:32Z) - Recovery of underdrawings and ghost-paintings via style transfer by deep
convolutional neural networks: A digital tool for art scholars [0.7646713951724012]
本稿では,美術油絵における下絵の可視化とゴーストペイントの改善問題に対する畳み込みニューラルネットワーク方式の応用について述べる。
Pablo PicassoとLeonardoの作品に適用される私たちの概念実証システムは、ゴーストペイントの自然なセグメンテーションを尊重する色とデザインを明らかにします。
論文 参考訳（メタデータ） (2021-01-04T18:24:11Z)
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。