論文の概要: Color-Emotion Associations in Art: Fuzzy Approach
- arxiv url: http://arxiv.org/abs/2311.18518v1
- Date: Thu, 30 Nov 2023 12:49:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 16:46:09.426506
- Title: Color-Emotion Associations in Art: Fuzzy Approach
- Title（参考訳）: アートにおける色覚関連:ファジィアプローチ
- Authors: Pakizar Shamoi and Muragul Muratbekova
- Abstract要約: 本稿では,ファジィセットを用いたアートにおける感情の分類手法を提案する。
広範にファジィな色と広い感情スペクトルは、絵画に固有の感情をより人間と一貫性があり、文脈を意識した探索を可能にする。
例えば、感謝は緑、茶色、オレンジと強く関連している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Art objects can evoke certain emotions. Color is a fundamental element of
visual art and plays a significant role in how art is perceived. This paper
introduces a novel approach to classifying emotions in art using Fuzzy Sets. We
employ a fuzzy approach because it aligns well with human judgments' imprecise
and subjective nature. Extensive fuzzy colors (n=120) and a broad emotional
spectrum (n=10) allow for a more human-consistent and context-aware exploration
of emotions inherent in paintings. First, we introduce the fuzzy color
representation model. Then, at the fuzzification stage, we process the Wiki Art
Dataset of paintings tagged with emotions, extracting fuzzy dominant colors
linked to specific emotions. This results in fuzzy color distributions for ten
emotions. Finally, we convert them back to a crisp domain, obtaining a
knowledge base of color-emotion associations in primary colors. Our findings
reveal strong associations between specific emotions and colors; for instance,
gratitude strongly correlates with green, brown, and orange. Other noteworthy
associations include brown and anger, orange with shame, yellow with happiness,
and gray with fear. Using these associations and Jaccard similarity, we can
find the emotions in the arbitrary untagged image. We conducted a 2AFC
experiment involving human subjects to evaluate the proposed method. The
average hit rate of 0.77 indicates a significant correlation between the
method's predictions and human perception. The proposed method is simple to
adapt to art painting retrieval systems. The study contributes to the
theoretical understanding of color-emotion associations in art, offering
valuable insights for various practical applications besides art, like
marketing, design, and psychology.
- Abstract（参考訳）: アートオブジェクトは特定の感情を誘発する。
色彩は視覚芸術の基本的な要素であり、芸術の知覚において重要な役割を果たす。
本稿では,ファジィ集合を用いた芸術における感情分類手法を提案する。
我々は、人間の判断の不正確さと主観的性質に合致するため、ファジィアプローチを採用する。
広範囲なファジィカラー (n=120) と広い感情スペクトル (n=10) は、絵画に固有の感情をより人間に一貫性を持ち、文脈を意識した探索を可能にする。
まず,ファジィカラー表現モデルを紹介する。
次に,ファズフィケーションの段階で,感情にタグ付けされた絵画のウィキアートデータセットを処理し,特定の感情に関連付けられたファジィな支配色を抽出する。
この結果、10の感情に対するファジィカラー分布が得られる。
最後に、それらをクリスプ領域に変換し、一次色における色覚関係の知識ベースを得る。
以上の結果から,特定の感情と色彩との間に強い関連が明らかとなった。例えば,感謝は緑,茶色,オレンジと強く関連している。
その他の注目すべき協会としては、茶色と怒り、オレンジと恥、黄色と幸福、灰色と恐怖がある。
これらの関連とジャカードの類似性を用いて、任意の未タグ画像に感情を見つけることができる。
提案手法を評価するために,被験者による2afc実験を行った。
平均ヒット率0.77は、手法の予測と人間の知覚との間に有意な相関を示す。
提案手法は,絵画検索システムへの適応が容易である。
この研究は、アートにおける色覚関連の理論的な理解に寄与し、マーケティング、デザイン、心理学といった芸術以外の様々な実践的応用に有用な洞察を提供する。
関連論文リスト
- Decoding Emotions in Abstract Art: Cognitive Plausibility of CLIP in Recognizing Color-Emotion Associations [1.0659364666674607]
本研究では,抽象的な視覚芸術によって誘発される感情の認識において,事前訓練されたマルチモーダルモデルであるCLIPの認知的妥当性について検討した。
我々は、人間のアノテータによって提供される感情ラベルとこれらのラベルのテキスト的有理性を含む画像からなるデータセットを用いる。
我々は、合理性の言語分析、画像と合理性のゼロショット感情分類、類似性に基づく感情の予測の適用、色と感情の関連性の調査を行う。
論文 参考訳（メタデータ） (2024-05-10T08:45:23Z) - EmoSet: A Large-scale Visual Emotion Dataset with Rich Attributes [53.95428298229396]
リッチ属性を付加した最初の大規模視覚感情データセットであるEmoSetを紹介する。
EmoSetは合計330万枚の画像で構成され、そのうち118,102枚は人間のアノテーションによって慎重にラベル付けされている。
心理学的な研究によって動機付けられ、感情のカテゴリに加えて、各画像には記述可能な感情特性のセットが注釈付けされている。
論文 参考訳（メタデータ） (2023-07-16T06:42:46Z) - Speech Synthesis with Mixed Emotions [77.05097999561298]
異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。
次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。
実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
論文 参考訳（メタデータ） (2022-08-11T15:45:58Z) - Analysis of the use of color and its emotional relationship in visual
creations based on experiences during the context of the COVID-19 pandemic [0.0]
新型コロナウイルス(COVID-19)パンデミックの間、人々はこのイベントの主観的な体験を伝える無数の画像を生成した。
この文脈における色の使用とその感情的関係を理解するための方法論を提案する。
以上の結果から,本試料では温かい色が一般的であり,相補的な色よりも類似成分が好まれていた。
論文 参考訳（メタデータ） (2022-03-25T16:51:43Z) - 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) - A Circular-Structured Representation for Visual Emotion Distribution
Learning [82.89776298753661]
視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。
具体的には、まず感情圏を構築し、その内にある感情状態を統一する。
提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
論文 参考訳（メタデータ） (2021-06-23T14:53:27Z) - 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) - Emotion and color in paintings: a novel temporal and spatial
quantitative perspective [0.7734726150561088]
幸福の感情は、絵画史において古代から近代にかけて増加傾向にあり、男性と女性の表情パターンは時代とともに異なる。
色好みに関しては、異なる文化背景を持つアーティストは、色と感情の間に類似した関係性を持っていた。
論文 参考訳（メタデータ） (2021-01-31T08:05:33Z) - Extrapolating continuous color emotions through deep learning [0.0]
深層学習を用いて、色に関連する感情のRGB外挿を実装します。
特に、男性は特定の感情と暗い色を関連付けるのが普通で、女性は明るい色を持つのが普通です。
高齢者も同様の傾向が見られ、明るい色の関連も見られた。
論文 参考訳（メタデータ） (2020-08-05T02:08:29Z) - Emotion Recognition From Gait Analyses: Current Research and Future
Directions [48.93172413752614]
歩行はウォーカーの感情に関する情報を伝える
様々な感情と歩行パターンのマッピングは、感情の自動認識のための新しい情報源を提供する。
歩行は遠隔観察可能で 模倣が困難で 被験者との協力も少ない
論文 参考訳（メタデータ） (2020-03-13T08:22:33Z) - Emosaic: Visualizing Affective Content of Text at Varying Granularity [0.0]
エモザイク(Emosaic)は、テキストの感情的なトーンを可視化するツールである。
我々は、人間の感情の3次元モデルを構築した。
論文 参考訳（メタデータ） (2020-02-24T07:25:01Z)
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。