論文の概要: Augmenting Character Designers Creativity Using Generative Adversarial
Networks
- arxiv url: http://arxiv.org/abs/2305.18387v1
- Date: Sun, 28 May 2023 10:52:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-31 21:53:17.611527
- Title: Augmenting Character Designers Creativity Using Generative Adversarial
Networks
- Title（参考訳）: 生成型adversarial networkを用いたキャラクタデザイナの創造性向上
- Authors: Mohammad Lataifeh, Xavier Carrasco, Ashraf Elnagar, Naveed Ahmed
- Abstract要約: GAN(Generative Adversarial Networks)は、さまざまな分野の研究者の注目を集めている。
しかし、近年のGANはリアリズムに重点を置いているが、超現実的な出力を生成することはいくつかの領域にとって優先事項ではない。
本稿では,異なるGANアーキテクチャと,新しいビジュアルキャラクタデータセットをスクラッチからトレーニングした場合のパフォーマンスを比較した。
また、転送学習やデータ拡張といった代替手法も検討し、計算資源の制限を克服する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Recent advances in Generative Adversarial Networks (GANs) continue to attract
the attention of researchers in different fields due to the wide range of
applications devised to take advantage of their key features. Most recent GANs
are focused on realism, however, generating hyper-realistic output is not a
priority for some domains, as in the case of this work. The generated outcomes
are used here as cognitive components to augment character designers creativity
while conceptualizing new characters for different multimedia projects. To
select the best-suited GANs for such a creative context, we first present a
comparison between different GAN architectures and their performance when
trained from scratch on a new visual characters dataset using a single Graphics
Processing Unit. We also explore alternative techniques, such as transfer
learning and data augmentation, to overcome computational resource limitations,
a challenge faced by many researchers in the domain. Additionally, mixed
methods are used to evaluate the cognitive value of the generated visuals on
character designers agency conceptualizing new characters. The results
discussed proved highly effective for this context, as demonstrated by early
adaptations to the characters design process. As an extension for this work,
the presented approach will be further evaluated as a novel co-design process
between humans and machines to investigate where and how the generated concepts
are interacting with and influencing the design process outcome.
- Abstract（参考訳）: GAN(Generative Adversarial Networks)の最近の進歩は、様々な分野の研究者の注目を集めている。
最近のganはリアリズムに重点を置いているが、ハイパーリアルなアウトプットを生成することは、この仕事の場合のように、いくつかのドメインにとって優先事項ではない。
生成された結果は、様々なマルチメディアプロジェクトのために新しいキャラクターを概念化しながら、キャラクターデザイナーの創造性を高める認知コンポーネントとして使われる。
このような創造的な文脈で最も適したGANを選択するために、まず、単一のグラフィックス処理ユニットを用いて新しいビジュアル文字データセットをスクラッチからトレーニングした場合に、異なるGANアーキテクチャとそれらのパフォーマンスの比較を示す。
また,この分野の多くの研究者が直面する課題である計算資源の制限を克服するために,転送学習やデータ拡張といった代替手法も検討する。
さらに, キャラクタデザイナーエージェンシー上で生成した視覚の認知的価値を評価するために, 混合手法を用いている。
その結果,文字設計プロセスへの早期適応が示すように,この文脈において極めて効果的であることが証明された。
この研究の延長として、提案手法は人間と機械間の新しい共同設計プロセスとしてさらに評価され、生成した概念がどのように相互作用し、設計プロセスの結果に影響を与えるかを調査する。
関連論文リスト
- A Novel Idea Generation Tool using a Structured Conversational AI (CAI) System [0.0]
本稿では、初心者デザイナーを支援する創造的アイデア生成ツールとして、対話型AIを活用したアクティブなアイデア生成インタフェースを提案する。
これは動的でインタラクティブで文脈に応答するアプローチであり、人工知能(AI)における自然言語処理(NLP)の領域から大きな言語モデル(LLM)を積極的に巻き込む。
このようなAIモデルとアイデアの統合は、連続的な対話ベースのインタラクション、コンテキストに敏感な会話、多彩なアイデア生成の促進に役立つ、アクティブな理想化(Active Ideation)シナリオと呼ばれるものを生み出します。
論文 参考訳（メタデータ） (2024-09-09T16:02:27Z) - A Survey on Personalized Content Synthesis with Diffusion Models [57.01364199734464]
PCSは、特定のユーザ定義のプロンプトに対する関心の主題をカスタマイズすることを目的としている。
過去2年間で150以上の方法が提案されている。
本稿では,PCSの拡散モデルに着目した包括的調査を行う。
論文 参考訳（メタデータ） (2024-05-09T04:36:04Z) - Collaborative Interactive Evolution of Art in the Latent Space of Deep Generative Models [1.4425878137951238]
私たちはまず,Creative Adversarial Networks(CANs)と呼ばれるアーキテクチャを用いて,創造的なイメージの制作を訓練するGANを採用する。
次に、画像を発見するためにモデルの潜在空間内をナビゲートするために進化的アプローチを用いる。
我々は、自動美学と協調的対話的人間評価指標を用いて、生成された画像を評価する。
論文 参考訳（メタデータ） (2024-03-28T17:40:15Z) - Content-Centric Prototyping of Generative AI Applications: Emerging
Approaches and Challenges in Collaborative Software Teams [2.369736515233951]
私たちの研究は、共同ソフトウェアチームがいかにして設計ガイドラインと価値を適用して適用し、反復的にプロトタイププロンプトを作成し、望ましい結果を達成するためのプロンプトを評価するかを理解することを目的としています。
その結果,コンテンツ中心のプロトタイピングアプローチとして,生成したいコンテンツから始めて,特定の属性,制約,値を識別し,ユーザがそれらの属性に影響を与えて対話する手段を探索する,という方法が明らかになった。
論文 参考訳（メタデータ） (2024-02-27T17:56:10Z) - Geometric Deep Learning for Computer-Aided Design: A Survey [85.79012726689511]
本調査では,コンピュータ支援設計における学習手法の概要について概観する。
類似性解析と検索、2Dおよび3DCADモデル合成、点雲からのCAD生成を含む。
ベンチマークデータセットとその特性の完全なリストと、この領域の研究を推進しているオープンソースコードを提供する。
論文 参考訳（メタデータ） (2024-02-27T17:11:35Z) - Human Machine Co-Creation. A Complementary Cognitive Approach to
Creative Character Design Process Using GANs [0.0]
2つのニューラルネットワークが競合し、元のデータセットと区別できない新しい視覚コンテンツを生成する。
提案するアプローチは、知覚、理解、作成のプロセスを伝えることを目的としている。
マシンが生成した概念は、キャラクターデザイナーが新しいキャラクターを概念化するためのローンチプラットフォームとして使用される。
論文 参考訳（メタデータ） (2023-11-23T12:18:39Z) - A Comprehensive Survey on Applications of Transformers for Deep Learning
Tasks [60.38369406877899]
Transformerは、シーケンシャルデータ内のコンテキスト関係を理解するために自己認識メカニズムを使用するディープニューラルネットワークである。
Transformerモデルは、入力シーケンス要素間の長い依存関係を処理し、並列処理を可能にする。
我々の調査では、トランスフォーマーベースのモデルのためのトップ5のアプリケーションドメインを特定します。
論文 参考訳（メタデータ） (2023-06-11T23:13:51Z) - Investigating GANsformer: A Replication Study of a State-of-the-Art
Image Generation Model [0.0]
我々は、オリジナルのGANネットワークであるGANformerの新たなバリエーションを再現し、評価する。
リソースと時間制限のため、ネットワークのトレーニング時間、データセットタイプ、サイズを制限しなければなりませんでした。
論文 参考訳（メタデータ） (2023-03-15T12:51:16Z) - Demystify Transformers & Convolutions in Modern Image Deep Networks [82.32018252867277]
本稿では,一般のコンボリューションとアテンション演算子の真の利益を,詳細な研究により同定することを目的とする。
注意や畳み込みのようなこれらの特徴変換モジュールの主な違いは、それらの空間的特徴集約アプローチにある。
各種課題の実験と帰納的バイアスの解析により,ネットワークレベルとブロックレベルの高度な設計により,性能が著しく向上した。
論文 参考訳（メタデータ） (2022-11-10T18:59:43Z) - 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) - MOGAN: Morphologic-structure-aware Generative Learning from a Single
Image [59.59698650663925]
近年,1つの画像のみに基づく生成モデルによる完全学習が提案されている。
多様な外観のランダムなサンプルを生成するMOGANというMOrphologic-structure-aware Generative Adversarial Networkを紹介します。
合理的な構造の維持や外観の変化など、内部機能に重点を置いています。
論文 参考訳（メタデータ） (2021-03-04T12:45:23Z)
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。