論文の概要: A Deep Learning Method for Classification of Biophilic Artworks
- arxiv url: http://arxiv.org/abs/2403.05394v1
- Date: Fri, 8 Mar 2024 15:45:07 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-11 13:16:49.449856
- Title: A Deep Learning Method for Classification of Biophilic Artworks
- Title（参考訳）: 深層学習による親和性アートワークの分類
- Authors: Purna Kar, Jordan J. Bird, Yangang Xing, Alexander Sumich, Andrew
Knight, Ahmad Lotfi, Benedict Carpenter van Barthold
- Abstract要約: 本研究では,生物親和性アートワークの分類における深層学習手法の適用について検討する。
人間と自然との深いつながりを仮定するバイオフィリアの概念を用いて、私たちは人工的に知的なアルゴリズムを使って、芸術作品におけるバイオフィリアの特徴の根底にある様々なパターンを認識する。
- 参考スコア（独自算出の注目度）: 40.14831323129975
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Biophilia is an innate love for living things and nature itself that has been
associated with a positive impact on mental health and well-being. This study
explores the application of deep learning methods for the classification of
Biophilic artwork, in order to learn and explain the different Biophilic
characteristics present in a visual representation of a painting. Using the
concept of Biophilia that postulates the deep connection of human beings with
nature, we use an artificially intelligent algorithm to recognise the different
patterns underlying the Biophilic features in an artwork. Our proposed method
uses a lower-dimensional representation of an image and a decoder model to
extract salient features of the image of each Biophilic trait, such as plants,
water bodies, seasons, animals, etc., based on learnt factors such as shape,
texture, and illumination. The proposed classification model is capable of
extracting Biophilic artwork that not only helps artists, collectors, and
researchers studying to interpret and exploit the effects of mental well-being
on exposure to nature-inspired visual aesthetics but also enables a methodical
exploration of the study of Biophilia and Biophilic artwork for aesthetic
preferences. Using the proposed algorithms, we have also created a gallery of
Biophilic collections comprising famous artworks from different European and
American art galleries, which will soon be published on the Vieunite@ online
community.
- Abstract（参考訳）: バイオフィリア(biophilia)は、生物や自然そのものに対する内発的な愛であり、精神的健康や幸福にポジティブな影響を与えてきた。
本研究は,絵画の視覚的表現における生体親和性の特徴を学習し,説明するために,生体親和性アートワークの分類に深層学習手法を適用した。
人間と自然の深いつながりを仮定するバイオフィリアという概念を用いて、人工的な知的なアルゴリズムを用いて、アートワークの親和的な特徴の根底にある異なるパターンを認識する。
提案手法では,画像の低次元表現とデコーダモデルを用いて,形状,テクスチャ,照明などの学習的要素に基づいて,植物,水体,季節,動物など,各好気性形質の画像の高度特徴を抽出する。
提案した分類モデルは, 美術家, 収集家, 研究者が, 自然に触発された視覚美への露出に対する精神的幸福感の影響を解釈し, 活用するだけでなく, 美的嗜好のために, バイオフィリア, バイオフィリックアートの研究を体系的に探究することができる。
提案されたアルゴリズムを使って、ヨーロッパとアメリカの異なるアートギャラリーの有名なアートワークからなる、親和性のあるコレクションのギャラリーを作成しました。
関連論文リスト
- Synthetic images aid the recognition of human-made art forgeries [0.0]
偽造検出に特化した最初のデータセットをリリースする。
私たちは有名な芸術家のスタイルで人造の偽造品や模倣品を使っています。
追加の合成偽造物は、人造偽造物の検出を一貫して改善していることが判明した。
論文 参考訳（メタデータ） (2023-12-22T16:06:25Z) - BioCLIP: A Vision Foundation Model for the Tree of Life [34.187429586642146]
TreeOfLife-10Mは,生物画像のML対応データセットとして最大かつ多種多様である。
次に,生命樹の基礎モデルであるBioCLIPを開発した。
様々な微細な生物分類タスクに厳格にアプローチをベンチマークする。
論文 参考訳（メタデータ） (2023-11-30T18:49:43Z) - Impressions: Understanding Visual Semiotics and Aesthetic Impact [66.40617566253404]
画像のセミオティックスを調べるための新しいデータセットであるImpressionsを提示する。
既存のマルチモーダル画像キャプションと条件付き生成モデルは、画像に対する可視的応答をシミュレートするのに苦労していることを示す。
このデータセットは、微調整と少数ショット適応により、画像の印象や美的評価をモデル化する能力を大幅に改善する。
論文 参考訳（メタデータ） (2023-10-27T04:30:18Z) - BiomedJourney: Counterfactual Biomedical Image Generation by
Instruction-Learning from Multimodal Patient Journeys [99.7082441544384]
本稿では,インストラクション学習によるバイオメディカル画像生成のための新しい手法であるBiomedJourneyを紹介する。
我々は、GPT-4を用いて、対応する画像レポートを処理し、疾患進行の自然言語記述を生成する。
得られた三重項は、反現実的なバイオメディカル画像生成のための潜伏拡散モデルを訓練するために使用される。
論文 参考訳（メタデータ） (2023-10-16T18:59:31Z) - Multimodal brain age estimation using interpretable adaptive
population-graph learning [58.99653132076496]
下流タスクに最適化された人口グラフ構造を学習するフレームワークを提案する。
注意機構は、画像と非画像の特徴のセットに重みを割り当てる。
グラフ構築において最も重要な注意重みを可視化することにより、グラフの解釈可能性を高める。
論文 参考訳（メタデータ） (2023-07-10T15:35:31Z) - Learning to Evaluate the Artness of AI-generated Images [64.48229009396186]
アートスコア(ArtScore)は、アーティストによる本物のアートワークと画像がどの程度似ているかを評価するために設計されたメトリクスである。
我々は、写真とアートワークの生成のために事前訓練されたモデルを採用し、一連の混合モデルを生み出した。
このデータセットはニューラルネットワークのトレーニングに使用され、任意の画像の定量化精度レベルを推定する方法を学ぶ。
論文 参考訳（メタデータ） (2023-05-08T17:58:27Z) - BioLORD: Learning Ontological Representations from Definitions (for
Biomedical Concepts and their Textual Descriptions) [17.981285086380147]
BioLORDは、臨床文章や生物医学的概念に意味のある表現を創造するための新しい事前学習戦略である。
生物医学的名称は必ずしも自己説明的ではないため、しばしば非意味的な表現をもたらす。
BioLORDは、その概念表現を定義を用いて基礎づけ、マルチリレーショナルな知識グラフから派生した短い記述によってこの問題を克服している。
論文 参考訳（メタデータ） (2022-10-21T11:43:59Z) - Mapping the landscape of histomorphological cancer phenotypes using
self-supervised learning on unlabeled, unannotated pathology slides [9.27127895781971]
病理形態学的現象型学習は、小さな画像タイルにおける識別画像の特徴の自動発見を通じて行われる。
タイルは、組織形態学的表現型のライブラリを構成する形態学的に類似したクラスターに分類される。
論文 参考訳（メタデータ） (2022-05-04T08:06:55Z) - A Novel Bio-Inspired Texture Descriptor based on Biodiversity and
Taxonomic Measures [81.08571247838206]
種多様性と豊かさと分類学的特有性を通して、多様なパターンの複雑なシステムを定量化できる新しいアプローチを提案する。
提案手法は,各画像チャネルを種生態系とみなし,種多様性と豊かさの度合いを計算し,テクスチャを記述するための分類学的尺度である。
論文 参考訳（メタデータ） (2021-02-13T20:14:14Z)
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。