論文の概要: A Portrait of Emotion: Empowering Self-Expression through AI-Generated Art

• arxiv url: http://arxiv.org/abs/2304.13324v1
• Date: Wed, 26 Apr 2023 06:54:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-27 15:17:56.060494
• Title: A Portrait of Emotion: Empowering Self-Expression through AI-Generated Art
• Title（参考訳）: 感情のポートレート:AI生成アートによる自己表現の強化
• Authors: Yoon Kyung Lee, Yong-Ha Park, Sowon Hahn
• Abstract要約: 本研究では,創造的表現を通じて著者の認知過程を反映する生成人工知能(AI)の可能性と限界について検討した。 その結果,主イベントに対する著者の感情の記述に基づく画像の嗜好が示された。 生成AIを用いた研究フレームワークは、関連する分野におけるAIベースの介入を設計するのに役立ちます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We investigated the potential and limitations of generative artificial intelligence (AI) in reflecting the authors' cognitive processes through creative expression. The focus is on the AI-generated artwork's ability to understand human intent (alignment) and visually represent emotions based on criteria such as creativity, aesthetic, novelty, amusement, and depth. Results show a preference for images based on the descriptions of the authors' emotions over the main events. We also found that images that overrepresent specific elements or stereotypes negatively impact AI alignment. Our findings suggest that AI could facilitate creativity and the self-expression of emotions. Our research framework with generative AIs can help design AI-based interventions in related fields (e.g., mental health education, therapy, and counseling).
• Abstract（参考訳）: 本研究では,創造的表現を通じて著者の認知過程を反映する生成人工知能(AI)の可能性と限界について検討した。 その焦点は、人間の意図(アライメント)を理解し、創造性、美学、ノベルティ、娯楽、深さといった基準に基づいて視覚的に感情を表現するAI生成アートワークの能力である。 その結果,主イベントに対する著者の感情の記述に基づく画像の嗜好が示された。 また、特定の要素やステレオタイプを過剰に表現する画像がaiアライメントに悪影響を及ぼすことも分かりました。 我々の研究結果は、AIが創造性と感情の自己表現を促進することを示唆している。 生成AIを用いた我々の研究フレームワークは、関連する分野(例えば、メンタルヘルス教育、セラピー、カウンセリング)におけるAIベースの介入を設計するのに役立ちます。

関連論文リスト

• Diffusion-Based Visual Art Creation: A Survey and New Perspectives [51.522935314070416]
  本調査は,拡散に基づく視覚芸術創造の新たな領域を探求し,その発展を芸術的,技術的両面から検討する。 本研究は,芸術的要件が技術的課題にどのように変換されるかを明らかにし,視覚芸術創造における拡散法の設計と応用を強調した。 我々は、AIシステムが芸術的知覚と創造性において人間の能力をエミュレートし、潜在的に増強するメカニズムに光を当てることを目指している。
  論文  参考訳（メタデータ） (2024-08-22T04:49:50Z)
• Improved Emotional Alignment of AI and Humans: Human Ratings of Emotions Expressed by Stable Diffusion v1, DALL-E 2, and DALL-E 3 [10.76478480925475]
  生成AIシステムは、テキストや画像を通じて感情を表現する能力がますます高まっている。 生成的AIによって表現される感情と人間の知覚のアライメントを測定する。 我々は、アライメントが使用するAIモデルと感情そのものに大きく依存していることを示します。
  論文  参考訳（メタデータ） (2024-05-28T18:26:57Z)
• Can AI Be as Creative as Humans? [84.43873277557852]
  理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。 AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
  論文  参考訳（メタデータ） (2024-01-03T08:49:12Z)
• The Good, The Bad, and Why: Unveiling Emotions in Generative AI [73.94035652867618]
  EmotionPromptはAIモデルの性能を向上し、EmotionAttackはそれを妨げうることを示す。 EmotionDecodeによると、AIモデルは人間の脳内のドーパミンのメカニズムに似た感情的な刺激を理解することができる。
  論文  参考訳（メタデータ） (2023-12-18T11:19:45Z)
• AIxArtist: A First-Person Tale of Interacting with Artificial Intelligence to Escape Creative Block [20.96181205379132]
  芸術と人工知能(AI)の将来は、技術が進歩するにつれて期待されている。 このワークショップは、HCI研究者とAIとのインタラクションを共有するファースト・パーソン・リサーチを推進している。 論文では、AIがアーティストの創造性をどのようにサポートするのか、この文脈で説明できることは何を意味するのか、という2つの質問を取り上げている。
  論文  参考訳（メタデータ） (2023-08-22T13:15:29Z)
• Designing Participatory AI: Creative Professionals' Worries and Expectations about Generative AI [8.379286663107845]
  生成AI(英: Generative AI)とは、テキストのプロンプトに基づいて視覚的または書き起こされたコンテンツを自動生成する一連の技術で、複雑さが飛躍的に増加し、わずか数年で広く利用できるようになる技術である。 本稿では,創造的プロフェッショナルが生成AIをどのように考えるかに関する質的研究の結果を報告する。
  論文  参考訳（メタデータ） (2023-03-15T20:57:03Z)
• AI-based artistic representation of emotions from EEG signals: a discussion on fairness, inclusion, and aesthetics [2.6928226868848864]
  我々は、人間と機械が芸術的に感情を表現するために対話するAIベースのBrain-Computer Interface(BCI)を提案する。 この相互作用のダイナミクスを理解して、公正性、包摂性、美学の共存性を改善することを目指している。
  論文  参考訳（メタデータ） (2022-02-07T14:51:02Z)
• SOLVER: Scene-Object Interrelated Visual Emotion Reasoning Network [83.27291945217424]
  画像から感情を予測するために,SOLVER(Scene-Object Interrelated Visual Emotion Reasoning Network)を提案する。 異なるオブジェクト間の感情関係を掘り下げるために、まずセマンティックな概念と視覚的特徴に基づいて感情グラフを構築します。 また、シーンとオブジェクトを統合するScene-Object Fusion Moduleを設計し、シーンの特徴を利用して、提案したシーンベースのアテンションメカニズムでオブジェクトの特徴の融合プロセスを導出する。
  論文  参考訳（メタデータ） (2021-10-24T02:41:41Z)
• Stimuli-Aware Visual Emotion Analysis [75.68305830514007]
  本稿では,刺激選択,特徴抽出,感情予測の3段階からなる刺激認識型視覚感情分析(VEA)手法を提案する。 我々の知る限りでは、エンド・ツー・エンドのネットワークでVEAに刺激選択プロセスを導入するのは初めてです。 実験により、提案手法は、4つの公的な視覚的感情データセットに対する最先端のアプローチよりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2021-09-04T08:14:52Z)
• Enhancing Cognitive Models of Emotions with Representation Learning [58.2386408470585]
  本稿では,きめ細かな感情の埋め込み表現を生成するための,新しいディープラーニングフレームワークを提案する。 本フレームワークは,コンテキスト型埋め込みエンコーダとマルチヘッド探索モデルを統合する。 本モデルは共感対話データセット上で評価され,32種類の感情を分類する最新結果を示す。
  論文  参考訳（メタデータ） (2021-04-20T16:55:15Z)

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。