論文の概要: Aesthetic Preference Prediction in Interior Design: Fuzzy Approach
- arxiv url: http://arxiv.org/abs/2401.17710v1
- Date: Wed, 31 Jan 2024 09:59:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-01 15:02:04.160420
- Title: Aesthetic Preference Prediction in Interior Design: Fuzzy Approach
- Title（参考訳）: 内装設計における美的嗜好予測:ファジィアプローチ
- Authors: Ayana Adilova and Pakizar Shamoi
- Abstract要約: 本稿では,インテリアデザインにおける審美的嗜好を定量化し,予測するための新しい手法を提案する。
ソーシャルメディアプラットフォームから内部デザインイメージのデータセットを収集した。
本手法では,審美的嗜好を総合的に算出する際の色選好について検討する。
- 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: Interior design is all about creating spaces that look and feel good.
However, the subjective nature of aesthetic preferences presents a significant
challenge in defining and quantifying what makes an interior design visually
appealing. The current paper addresses this gap by introducing a novel
methodology for quantifying and predicting aesthetic preferences in interior
design. Our study combines fuzzy logic with image processing techniques. We
collected a dataset of interior design images from social media platforms,
focusing on essential visual attributes such as color harmony, lightness, and
complexity. We integrate these features using weighted average to compute a
general aesthetic score. Our approach considers individual color preferences in
calculating the overall aesthetic preference. We initially gather user ratings
for primary colors like red, brown, and others to understand their preferences.
Then, we use the pixel count of the top five dominant colors in the image to
get the color scheme preference. The color scheme preference and the aesthetic
score are then passed as inputs to the fuzzy inference system to calculate an
overall preference score. This score represents a comprehensive measure of the
user's preference for a particular interior design, considering their color
choices and general aesthetic appeal. We used the 2AFC (Two-Alternative Forced
Choice) method to validate our methodology, achieving a notable hit rate of
0.7. This study can help designers and professionals better understand and meet
people's interior design preferences, especially in a world that relies heavily
on digital media.
- Abstract（参考訳）: インテリアデザインとは、ルック&フィールの空間を作ることです。
しかし、美的嗜好の主観的な性質は、インテリアデザインが視覚的にアピールするものを定義し、定量化する上で重要な課題である。
本稿では, インテリアデザインにおける審美的嗜好を定量化し, 予測するための新しい手法を提案する。
本研究ではファジィ論理と画像処理技術を組み合わせた。
ソーシャルメディアプラットフォームからインテリアデザインイメージのデータセットを収集し,色調和,明度,複雑性などの視覚的特性に着目した。
これらの特徴を重み付き平均を用いて総合的な美的スコアを計算する。
本手法は,全体的な美的嗜好の計算において,個々の色嗜好を考察する。
最初は、赤、茶色などの主要色のユーザー評価を集め、好みを理解します。
次に、画像中の上位5色のトップ5の画素数を使用して、カラースキームの好みを得る。
そして、ファジィ推論システムへの入力としてカラースキーム選好と美的スコアを渡し、全体選好スコアを算出する。
このスコアは、色選択と一般的な美的魅力を考慮して、ユーザが特定のインテリアデザインを好むことの包括的尺度である。
2AFC (Two-Alternative Forced Choice) 法を用いて評価を行い,0。
この研究は、特にデジタルメディアに大きく依存する世界で、デザイナーや専門家が人々のインテリアデザインの好みを理解し、満足するのに役立つ。
関連論文リスト
- Fuzzy Logic Approach For Visual Analysis Of Websites With K-means Clustering-based Color Extraction [0.0]
本稿では,ユーザエクスペリエンス向上におけるWebサイトデザインの美学の重要性について検討する。
これは、しばしば50ミリ秒以内に形成される最初の印象が、ウェブサイトの魅力とユーザビリティに対するユーザの認識に重大な影響を与えることを強調している。
カラーハーモニーとフォントの人気に基づいて,ウェブサイトの美意識を測定する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-07-16T06:56:05Z) - DegustaBot: Zero-Shot Visual Preference Estimation for Personalized Multi-Object Rearrangement [53.86523017756224]
本稿では,視覚的嗜好学習のためのアルゴリズムであるDegustaBotを提案する。
我々は、シミュレーション表設定タスクにおいて、自然主義的個人的嗜好の大規模なデータセットを収集する。
私たちのモデルの予測の50%は、少なくとも20%の人々に受け入れられる可能性が高いことが分かりました。
論文 参考訳（メタデータ） (2024-07-11T21:28:02Z) - Towards a Universal Understanding of Color Harmony: Fuzzy Approach [0.0]
ファジィに基づく色モデルを用いて色調和を探求し,その普遍性の問題に対処する。
実験結果から,色調和は概ね普遍的であることが示唆された。
調和度の高いパレットでは、飽和度と強度の適度なレベルを維持しながら、カラーホイールの原理に順応する傾向が観察された。
論文 参考訳（メタデータ） (2023-10-01T21:06:26Z) - Color Aesthetics: Fuzzy based User-driven Method for Harmony and
Preference Prediction [0.0]
色に対する知覚応答のすべてのタイプを定量的に評価する手法を提案する。
カラースキームの好みは、基本色と色調和の格付けを組み合わせることで予測できる。
アパレル調整の文脈では、衣服の色に基づいてルックの好みを予測することができる。
論文 参考訳（メタデータ） (2023-08-29T15:56:38Z) - VILA: Learning Image Aesthetics from User Comments with Vision-Language
Pretraining [53.470662123170555]
ユーザからのコメントから画像美学を学習し、マルチモーダルな美学表現を学習するための視覚言語事前学習手法を提案する。
具体的には、コントラスト的および生成的目的を用いて、画像テキストエンコーダ-デコーダモデルを事前訓練し、人間のラベルなしでリッチで汎用的な美的意味学を学習する。
以上の結果から,AVA-Captionsデータセットを用いた画像の美的字幕化において,事前学習した美的視覚言語モデルよりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2023-03-24T23:57:28Z) - Understanding Aesthetics with Language: A Photo Critique Dataset for
Aesthetic Assessment [6.201485014848172]
74K画像と220Kコメントを含むCritique Photo Redditデータセット(RPCD)を提案する。
我々は、美的判断の指標として批判の感情の極性を利用する。
論文 参考訳（メタデータ） (2022-06-17T08:16:20Z) - User-Guided Personalized Image Aesthetic Assessment based on Deep
Reinforcement Learning [64.07820203919283]
本稿では,新しいユーザガイド型画像美観評価フレームワークを提案する。
深部強化学習(DRL)に基づく審美評価のためのユーザインタラクションを活用して画像のリタッチとランク付けを行う
パーソナライズされた審美分布は、異なるユーザの審美的嗜好とより一致している。
論文 参考訳（メタデータ） (2021-06-14T15:19:48Z) - CoRe: Color Regression for Multicolor Fashion Garments [80.57724826629176]
本稿では,RGBの正確な値を予測するために,色検出を回帰問題として扱う。
新たに提案したアーキテクチャの洗練のための第2のレグレッションステージも含んでいます。
このアーキテクチャはモジュラーであり、多色衣料のすべての色のRGBを検出するために容易に拡張される。
論文 参考訳（メタデータ） (2020-10-06T16:12:30Z) - Image Colorization: A Survey and Dataset [94.59768013860668]
本稿では,最先端の深層学習に基づく画像着色技術に関する包括的調査を行う。
既存の着色技法を7つのクラスに分類し、その性能を規定する重要な要因について論じる。
我々は既存のデータセットと提案した画像の両方を用いて、既存の画像のカラー化手法を広範囲に実験的に評価する。
論文 参考訳（メタデータ） (2020-08-25T01:22:52Z) - Learning to Structure an Image with Few Colors [59.34619548026885]
そこで,カラー量子化ネットワークであるColorCNNを提案する。
1ビットのカラースペース(すなわち2色)だけで、提案されたネットワークはCIFAR10データセット上で82.1%のトップ-1の精度を達成した。
アプリケーションの場合、PNGでエンコードされた場合、提案したカラー量子化は、極低ビットレート方式の他の画像圧縮方法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-03-17T17:56:15Z)
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。