論文の概要: Algorithmic Ways of Seeing: Using Object Detection to Facilitate Art Exploration
- arxiv url: http://arxiv.org/abs/2403.19174v1
- Date: Thu, 28 Mar 2024 06:46:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-29 17:12:54.301249
- Title: Algorithmic Ways of Seeing: Using Object Detection to Facilitate Art Exploration
- Title（参考訳）: 物体検出を用いたアート探索のアルゴリズム
- Authors: Louie Søs Meyer, Johanne Engel Aaen, Anitamalina Regitse Tranberg, Peter Kun, Matthias Freiberger, Sebastian Risi, Anders Sundnes Løvlie,
- Abstract要約: 視覚的な探索のための設計プロセスにオブジェクト検出パイプラインを組み込む方法を示す。
本稿では,美術館のコレクションを探索するアプリの設計と開発について紹介する。
- 参考スコア（独自算出の注目度）: 8.680322662037721
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This Research through Design paper explores how object detection may be applied to a large digital art museum collection to facilitate new ways of encountering and experiencing art. We present the design and evaluation of an interactive application called SMKExplore, which allows users to explore a museum's digital collection of paintings by browsing through objects detected in the images, as a novel form of open-ended exploration. We provide three contributions. First, we show how an object detection pipeline can be integrated into a design process for visual exploration. Second, we present the design and development of an app that enables exploration of an art museum's collection. Third, we offer reflections on future possibilities for museums and HCI researchers to incorporate object detection techniques into the digitalization of museums.
- Abstract（参考訳）: この論文は、オブジェクト検出が大規模なデジタル美術館コレクションにどのように適用され、アートに遭遇し、経験する新しい方法を促進するかを研究する。
SMKExploreと呼ばれるインタラクティブなアプリケーションの設計と評価を行い、画像から検出されたオブジェクトを閲覧することで美術館のデジタル絵画コレクションを探索することを可能にする。
コントリビューションは3つです。
まず,物体検出パイプラインを視覚探索のための設計プロセスに統合する方法を示す。
第2に,美術館のコレクションを探索するアプリの設計と開発について述べる。
第3に,博物館やHCI研究者がオブジェクト検出技術を博物館のデジタル化に取り入れる可能性について考察する。
関連論文リスト
- Diffusion-Based Visual Art Creation: A Survey and New Perspectives [51.522935314070416]
本調査は,拡散に基づく視覚芸術創造の新たな領域を探求し,その発展を芸術的,技術的両面から検討する。
本研究は,芸術的要件が技術的課題にどのように変換されるかを明らかにし,視覚芸術創造における拡散法の設計と応用を強調した。
我々は、AIシステムが芸術的知覚と創造性において人間の能力をエミュレートし、潜在的に増強するメカニズムに光を当てることを目指している。
論文 参考訳（メタデータ） (2024-08-22T04:49:50Z) - Unlocking Textual and Visual Wisdom: Open-Vocabulary 3D Object Detection Enhanced by Comprehensive Guidance from Text and Image [70.02187124865627]
Open-vocabulary 3D object detection (OV-3DDet) は、新しい3Dシーン内において、目に見えないものの両方をローカライズし、認識することを目的としている。
視覚基盤モデルを利用して、3Dシーンにおける新しいクラスを発見するための画像的ガイダンスを提供する。
オープン語彙の3Dオブジェクト検出における基礎モデルの可能性を明らかにするとともに,精度と一般化の大幅な向上を示す。
論文 参考訳（メタデータ） (2024-07-07T04:50:04Z) - Enhancing Object Detection in Ancient Documents with Synthetic Data
Generation and Transformer-Based Models [0.4125187280299248]
本研究は, 偽陽性を低減し, 精度を向上させることによって, 古文書における物体検出の精度を高めることを目的とする。
本稿では,計算メディエーションによる合成データセットの作成を含む手法を提案する。
我々のアプローチには、オブジェクトをコンポーネント部品に関連付けることや、異なるシンボルと文書要素を識別するための視覚的特徴マップの導入が含まれます。
論文 参考訳（メタデータ） (2023-07-29T15:29:25Z) - A Simple Baseline for Multi-Camera 3D Object Detection [94.63944826540491]
周囲のカメラで3Dオブジェクトを検出することは、自動運転にとって有望な方向だ。
マルチカメラオブジェクト検出のための簡易ベースラインであるSimMODを提案する。
我々は, nuScenes の3次元オブジェクト検出ベンチマークにおいて, SimMOD の有効性を示す広範囲な実験を行った。
論文 参考訳（メタデータ） (2022-08-22T03:38:01Z) - Embodied Navigation at the Art Gallery [43.52107532692226]
私たちは、ユニークな特徴を持つ新しい3D空間を構築、リリースしています。
既存の3Dシーンと比較すると、収集された空間は増幅され、視覚的特徴に富み、非常に少ない占有情報を提供する。
この新しいスペース内で、PointGoalナビゲーションのための新しいベンチマークを提供します。
論文 参考訳（メタデータ） (2022-04-19T18:00:06Z) - Automatic Image Content Extraction: Operationalizing Machine Learning in
Humanistic Photographic Studies of Large Visual Archives [81.88384269259706]
本稿では,機械学習による大規模画像アーカイブの検索と解析のための自動画像コンテンツ抽出フレームワークを提案する。
提案する枠組みは、人文科学と社会科学のいくつかの分野に適用できる。
論文 参考訳（メタデータ） (2022-04-05T12:19:24Z) - 3D Object Detection from Images for Autonomous Driving: A Survey [68.33502122185813]
画像から3Dオブジェクトを検出することは、自動運転の基本的かつ困難な問題の一つだ。
この問題を2015年から2021年にかけて200以上の研究が行われ、理論、アルゴリズム、応用の幅広い範囲で研究されている。
我々は,この新奇で継続的な研究分野を包括的に調査し,画像に基づく3D検出に最もよく使用されるパイプラインを要約する。
論文 参考訳（メタデータ） (2022-02-07T07:12:24Z) - Object Retrieval and Localization in Large Art Collections using Deep
Multi-Style Feature Fusion and Iterative Voting [10.807131260367298]
本稿では,特定のモチーフやオブジェクトを含む画像領域を検索するアルゴリズムを提案する。
GPUによる近似近傍探索による領域ベースの投票では、広範囲なデータセット内の小さなモチーフを数秒で見つけ、ローカライズすることが可能です。
論文 参考訳（メタデータ） (2021-07-14T18:40:49Z) - Inverting and Understanding Object Detectors [15.207501110589924]
本稿では,最新の物体検出法を理解し,レイアウトインバージョンに対する最適化に基づくアプローチを開発するために,インバージョンを主要なツールとして用いることを提案する。
我々は, 種々の現代の物体検出器にレイアウト反転技術を適用して, 検出器の興味深い特性を明らかにした。
論文 参考訳（メタデータ） (2021-06-26T03:31:59Z) - Deep Learning on Monocular Object Pose Detection and Tracking: A
Comprehensive Overview [8.442460766094674]
オブジェクトのポーズ検出と追跡は、自律運転、ロボット工学、拡張現実など、多くの分野で広く応用されているため、注目を集めている。
ディープラーニングは、他のものよりも優れたパフォーマンスを示した最も有望なものです。
本稿では,ディープラーニング技術経路に属するオブジェクトのポーズ検出と追跡の最近の進歩を概観する。
論文 参考訳（メタデータ） (2021-05-29T12:59:29Z) - Deep Continuous Fusion for Multi-Sensor 3D Object Detection [103.5060007382646]
本稿では,LIDARとカメラを併用して高精度な位置検出を実現する3Dオブジェクト検出器を提案する。
我々は,連続畳み込みを利用して画像とlidar特徴マップを異なるレベルの解像度で融合する,エンドツーエンド学習可能なアーキテクチャを設計した。
論文 参考訳（メタデータ） (2020-12-20T18:43:41Z)
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。