論文の概要: SCAPE: Searching Conceptual Architecture Prompts using Evolution

• arxiv url: http://arxiv.org/abs/2402.00089v2
• Date: Tue, 2 Apr 2024 10:05:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-04 08:49:40.026061
• Title: SCAPE: Searching Conceptual Architecture Prompts using Evolution
• Title（参考訳）: SCAPE:進化を用いた概念的アーキテクチャプロンプトの検索
• Authors: Soo Ling Lim, Peter J Bentley, Fuyuki Ishikawa,
• Abstract要約: SCAPEは、シンプルなポイントアンドクリックインターフェースを通じて、最初の入力にインスパイアされた創造的で高品質なデザインを探索するツールです。 生成AIにランダム性を注入し、GPT-4の組み込み言語スキルを利用してメモリを可能にする。 SCAPEでは、画像のノベルティが67%向上し、品質と使用効率が向上する。
• 参考スコア（独自算出の注目度）: 1.2951918600218246
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conceptual architecture involves a highly creative exploration of novel ideas, often taken from other disciplines as architects consider radical new forms, materials, textures and colors for buildings. While today's generative AI systems can produce remarkable results, they lack the creativity demonstrated for decades by evolutionary algorithms. SCAPE, our proposed tool, combines evolutionary search with generative AI, enabling users to explore creative and good quality designs inspired by their initial input through a simple point and click interface. SCAPE injects randomness into generative AI, and enables memory, making use of the built-in language skills of GPT-4 to vary prompts via text-based mutation and crossover. We demonstrate that compared to DALL-E 3, SCAPE enables a 67% improvement in image novelty, plus improvements in quality and effectiveness of use; we show that in just three iterations SCAPE has a 24% image novelty increase enabling effective exploration, plus optimization of images by users. We use more than 20 independent architects to assess SCAPE, who provide markedly positive feedback.
• Abstract（参考訳）: 概念的建築は、しばしば建築家が急進的な新しい形態、材料、テクスチャ、そして建物のための色を考えると、他の分野から取られる、新しいアイデアを高度に創造的に探求することを含む。 今日の生成AIシステムは驚くべき結果をもたらすことができるが、進化的アルゴリズムによって何十年にもわたって実証された創造性を欠いている。 提案するツールであるSCAPEは、進化的検索と生成AIを組み合わせることで、ユーザーはシンプルなポイント・アンド・クリックインターフェースを通じて、初期入力にインスパイアされた創造的で高品質なデザインを探索することができる。 SCAPEは生成AIにランダム性を注入し、GPT-4の組み込み言語スキルを活用して、テキストベースの突然変異とクロスオーバーを通じてプロンプトを変化させる。 DALL-E 3と比較して、SCAPEは画像の新規性を67%改善し、画像の新規性を向上し、使用効率を向上させることを実証した。 私たちは、SCAPEを評価するために、20人以上の独立したアーキテクトを使用しています。

関連論文リスト

• GenAI-Bench: Evaluating and Improving Compositional Text-to-Visual Generation [103.3465421081531]
  VQAScoreは、VQAモデルが画像がプロンプトを正確に描写しているとみなす可能性を測定するメトリクスである。 VQAScoreによるランク付けは、PickScore、HPSv2、ImageRewardなどの他のスコアリング方法よりも2倍から3倍効果的である。 我々は、同じプロンプトから生成されたランキング画像のスコアを評価するために、4万以上の人間格付けを備えたGenAI-Rankベンチマークを新たにリリースした。
  論文  参考訳（メタデータ） (2024-06-19T18:00:07Z)
• AIGCOIQA2024: Perceptual Quality Assessment of AI Generated Omnidirectional Images [70.42666704072964]
  我々はAI生成の全方位画像IQAデータベースAIIGCOIQA2024を構築した。 3つの視点から人間の視覚的嗜好を評価するために、主観的IQA実験を行った。 我々は,データベース上での最先端IQAモデルの性能を評価するためのベンチマーク実験を行った。
  論文  参考訳（メタデータ） (2024-04-01T10:08:23Z)
• A New Creative Generation Pipeline for Click-Through Rate with Stable Diffusion Model [8.945197427679924]
  従来のAIベースのアプローチは、デザイナーからの美的知識を限定しながら、ユーザー情報を考慮しないという同じ問題に直面している。 結果を最適化するために、従来の方法で生成されたクリエイティブは、クリエイティブランキングモデルと呼ばれる別のモジュールによってランク付けされる。 本稿では,クリエイティビティ生成段階においてCTRを改善することを目的とした,Click-Through Rate (CG4CTR) のための新しいCreative Generationパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-01-17T03:27:39Z)
• ArchiGuesser -- AI Art Architecture Educational Game [0.5919433278490629]
  生成AIは、単純な入力プロンプトに基づいて、テキスト、音声、画像から教育コンテンツを作成することができる。 本稿では,様々なAI技術を組み合わせた多感覚学習ゲームArchiGuesserについて述べる。
  論文  参考訳（メタデータ） (2023-12-14T20:48:26Z)
• DreamCreature: Crafting Photorealistic Virtual Creatures from Imagination [140.1641573781066]
  ターゲット概念のラベルなしイメージのセットを前提として、我々は、新しいハイブリッド概念を創出できるT2Iモデルをトレーニングすることを目指している。 そこで我々はDreamCreatureと呼ばれる新しい手法を提案し,その基盤となるサブ概念を同定し抽出する。 したがって、T2Iは忠実な構造とフォトリアリスティックな外観を持つ新しい概念を生成するのに適応する。
  論文  参考訳（メタデータ） (2023-11-27T01:24:31Z)
• Shielding the Unseen: Privacy Protection through Poisoning NeRF with Spatial Deformation [59.302770084115814]
  本稿では,Neural Radiance Fields(NeRF)モデルの生成機能に対して,ユーザのプライバシを保護する革新的な手法を提案する。 我々の新しい中毒攻撃法は、人間の目では認識できないが、NeRFが正確に3Dシーンを再構築する能力を損なうのに十分強力である観察ビューの変化を誘発する。 我々は、高品質の画像を含む29の現実世界シーンからなる2つの共通のNeRFベンチマークデータセットに対して、我々のアプローチを広範囲に検証した。
  論文  参考訳（メタデータ） (2023-10-04T19:35:56Z)
• Retrieval-Augmented Transformer for Image Captioning [51.79146669195357]
  我々は、kNNメモリを用いた画像キャプション手法を開発し、外部コーパスから知識を抽出して生成プロセスを支援する。 我々のアーキテクチャは、視覚的類似性に基づく知識検索と、識別可能なエンコーダと、トークンを予測するためにkNN拡張アテンション層を組み合わせる。 COCOデータセットで実施した実験結果は、明示的な外部メモリを利用することで、生成プロセスの助けとなり、キャプションの品質が向上することを示した。
  論文  参考訳（メタデータ） (2022-07-26T19:35:49Z)
• 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)
• Neural Architecture Search for Speech Emotion Recognition [72.1966266171951]
  本稿では,SERモデルの自動構成にニューラルアーキテクチャサーチ(NAS)技術を適用することを提案する。 NASはモデルパラメータサイズを維持しながらSER性能(54.89%から56.28%)を向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-03-31T10:16:10Z)
• 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)

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。