論文の概要: Creative Discovery using QD Search

• arxiv url: http://arxiv.org/abs/2305.04462v1
• Date: Mon, 8 May 2023 05:11:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-09 15:34:20.084196
• Title: Creative Discovery using QD Search
• Title（参考訳）: QD検索による創造的発見
• Authors: Jon McCormack, Camilo Cruz Gambardella, Stephen James Krol
• Abstract要約: 本稿では,進化的最適化とAIに基づく画像分類を組み合わせて品質多様性探索を行う手法を提案する。 抽象図面を生成する生成システム上で,本手法を検証した。
• 参考スコア（独自算出の注目度）: 4.941630596191806
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In creative design, where aesthetics play a crucial role in determining the quality of outcomes, there are often multiple worthwhile possibilities, rather than a single ``best'' design. This challenge is compounded in the use of computational generative systems, where the sheer number of potential outcomes can be overwhelming. This paper introduces a method that combines evolutionary optimisation with AI-based image classification to perform quality-diversity search, allowing for the creative exploration of complex design spaces. The process begins by randomly sampling the genotype space, followed by mapping the generated phenotypes to a reduced representation of the solution space, as well as evaluating them based on their visual characteristics. This results in an elite group of diverse outcomes that span the solution space. The elite is then progressively updated via sampling and simple mutation. We tested our method on a generative system that produces abstract drawings. The results demonstrate that the system can effectively evolve populations of phenotypes with high aesthetic value and greater visual diversity compared to traditional optimisation-focused evolutionary approaches.
• Abstract（参考訳）: 創造的デザインにおいて、成果の質を決定する上で美学が重要な役割を果たす場合、しばしば「ベスト」デザインではなく、複数の価値のある可能性が存在する。 この課題は計算生成システムの使用において複雑であり、潜在的な結果の数が圧倒的に多い。 本稿では,進化的最適化とaiに基づく画像分類を組み合わせることで,複雑なデザイン空間を創造的に探索する手法を提案する。 プロセスは、ランダムにジェノタイプ空間をサンプリングし、生成した表現型を解空間の縮小表現にマッピングし、その視覚特性に基づいてそれらを評価することから始まる。 その結果、ソリューション空間にまたがるさまざまな結果のエリートグループができあがります。 その後、エリートはサンプリングと単純な突然変異によって徐々に更新される。 抽象図面を生成する生成システム上で,本手法を検証した。 その結果,従来のオプティマイズ中心の進化アプローチと比較して,美的価値が高く,視覚的多様性が高い表現型の集団を効果的に進化させることができることが示された。

関連論文リスト

• Meta-Learning an Evolvable Developmental Encoding [7.479827648985631]
  生成モデルはブラックボックス最適化のための学習可能な表現であることを示す。 本稿では,表現の質の多様性を生成する能力を最適化することで,そのような表現をメタ学習できるシステムを提案する。 より詳しくは、我々のメタラーニングアプローチが、開発中に細胞が「DNA」文字列ゲノムの異なる部分に参加することができる1つのニューラルセルオートマタを見つけることができることを示す。
  論文  参考訳（メタデータ） (2024-06-13T11:52:06Z)
• Towards Large-Scale Simulations of Open-Ended Evolution in Continuous Cellular Automata [0.0]
  並列計算フレームワーク JAX を用いた大規模進化シミュレーションを構築した。 遺伝子操作子を暗黙的に実装するなど、システム設計の選択肢を多数報告する。 オープンエンド進化を促進する要因をいくつか提案する。
  論文  参考訳（メタデータ） (2023-04-12T06:40:11Z)
• Seeding Diversity into AI Art [1.393683063795544]
  生成的敵ネットワーク(GAN)は、1つのイメージを真空で生成するが、製品が以前作成されたものとどのように異なるかという新しい概念は欠如している。 進化的アルゴリズムの新規性保存機構をGANの力と組み合わせたアルゴリズムが、創造的プロセスを善で斬新な出力へと意図的に導くことができると想定する。
  論文  参考訳（メタデータ） (2022-05-02T10:40:52Z)
• Towards Creativity Characterization of Generative Models via Group-based Subset Scanning [64.6217849133164]
  創造的プロセスを特定し,定量化し,特徴付けるグループベースサブセットスキャンを提案する。 創造的なサンプルは、データセット全体にわたる通常のサンプルや非創造的なサンプルよりも大きな異常のサブセットを生成する。
  論文  参考訳（メタデータ） (2022-03-01T15:07:14Z)
• Quality-diversity for aesthetic evolution [5.837881923712394]
  創造的な生成システムを探索するために,品質多様性探索手法を適用した。 多様性を計算するために、畳み込みニューラルネットワークを使用して、次元的に2次元に縮小された特徴を識別する。 品質多様性探索は, 高い美的価値を示す複数の表現型を見出すことができることを示す。
  論文  参考訳（メタデータ） (2022-02-04T04:11:21Z)
• SelectAugment: Hierarchical Deterministic Sample Selection for Data Augmentation [72.58308581812149]
  そこで我々は,SelectAugmentと呼ばれる効果的な手法を提案し,決定論的かつオンラインに拡張するサンプルを選択する。 具体的には、各バッチにおいて、まず増分比率を決定し、次にこの比で各トレーニングサンプルを増分するかを決定する。 これにより、サンプルを増量する際のランダム性による負の効果を効果的に軽減し、DAの有効性を向上させることができる。
  論文  参考訳（メタデータ） (2021-12-06T08:38:38Z)
• Improving Faithfulness in Abstractive Summarization with Contrast Candidate Generation and Selection [54.38512834521367]
  モデル非依存後処理技術としてのコントラスト候補生成と選択について検討する。 代替候補要約を生成して判別補正モデルを学習する。 このモデルを使用して、最終的な出力サマリーとして最適な候補を選択する。
  論文  参考訳（メタデータ） (2021-04-19T05:39:24Z)
• Towards creativity characterization of generative models via group-based subset scanning [51.84144826134919]
  創造的プロセスを定量化し,検出し,特徴付けるグループベースサブセットスキャンを提案する。 創造的なサンプルは、データセットをまたいだ通常または非創造的なサンプルよりも大きな異常のサブセットを生成する。
  論文  参考訳（メタデータ） (2021-04-01T14:07:49Z)
• Searching for Designs in-between [5.837881923712394]
  最適化と探索を組み合わせた設計のための進化的システムを導入する。 本手法は,3次元オブジェクトを生成可能な生物学的にインスパイアされた生成システムを用いて試験する。 高度に適合したアーティファクトを進化させ,審美的に興味深いアーティファクトと組み合わせることで,システムの能力について検討する。
  論文  参考訳（メタデータ） (2021-02-11T06:44:42Z)
• Complexity-based speciation and genotype representation for neuroevolution [81.21462458089142]
  本稿では、進化するネットワークを隠されたニューロンの数に基づいて種に分類する神経進化の種分化原理を提案する。 提案された種分化原理は、種および生態系全体における多様性の促進と保存を目的として設計されたいくつかの技術で採用されている。
  論文  参考訳（メタデータ） (2020-10-11T06:26:56Z)
• AdaLead: A simple and robust adaptive greedy search algorithm for sequence design [55.41644538483948]
  我々は、容易で、拡張性があり、堅牢な進化的欲求アルゴリズム(AdaLead)を開発した。 AdaLeadは、様々な生物学的に動機づけられたシーケンスデザインの課題において、アートアプローチのより複雑な状態を克服する、驚くほど強力なベンチマークである。
  論文  参考訳（メタデータ） (2020-10-05T16:40:38Z)

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。