論文の概要: Seizing the Means of Production: Exploring the Landscape of Crafting, Adapting and Navigating Generative AI Models in the Visual Arts

• arxiv url: http://arxiv.org/abs/2404.17688v1
• Date: Fri, 26 Apr 2024 20:38:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-30 19:50:27.870688
• Title: Seizing the Means of Production: Exploring the Landscape of Crafting, Adapting and Navigating Generative AI Models in the Visual Arts
• Title（参考訳）: 生産の意味を理解する:視覚芸術における創造的AIモデルの作成、適応、誘導の風景を探る
• Authors: Ahmed M. Abuzuraiq, Philippe Pasquier,
• Abstract要約: 私たちは、制作、適応、深層生成モデルのナビゲートなど、パーソナルアートワークを作成するために、ビジュアルアーティストが利用できる選択肢のランドスケープをマップします。 我々は、創造目標のための生成モデルの設計と操作として定義されたモデル作成を再考し、独自の創造活動としてモデル作成のための研究と設計を動機付けている。
• 参考スコア（独自算出の注目度）: 6.349140286855134
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we map out the landscape of options available to visual artists for creating personal artworks, including crafting, adapting and navigating deep generative models. Following that, we argue for revisiting model crafting, defined as the design and manipulation of generative models for creative goals, and motivate studying and designing for model crafting as a creative activity in its own right.
• Abstract（参考訳）: 本稿では, ビジュアルアーティストが, 制作, 適応, ナビゲートなど, パーソナルアートワークを作成するための選択肢の展望を地図化する。 その後、創造目標のための生成モデルの設計と操作として定義されたモデル作成を再考し、独自の創造活動としてモデル作成の研究と設計を動機付ける。

関連論文リスト

• Personalized Image Generation with Deep Generative Models: A Decade Survey [51.26287478042516]
  本稿では、様々な生成モデルにまたがって、一般化されたパーソナライズされた画像生成についてレビューする。 まず、異なる生成モデル間でパーソナライズプロセスを標準化する統合フレームワークを定義する。 次に、各生成モデルにおけるパーソナライズ手法の詳細な分析を行い、そのユニークな貢献と革新を強調します。
  論文  参考訳（メタデータ） (2025-02-18T17:34:04Z)
• IntroStyle: Training-Free Introspective Style Attribution using Diffusion Features [89.95303251220734]
  本稿では,拡散モデルのみによって生成された特徴を用いて,スタイル帰属問題を解決するための学習自由フレームワークを提案する。 これはイントロスペクティブなスタイル属性(IntroStyle)と表現され、スタイル検索の最先端モデルよりも優れたパフォーマンスを示す。 また,芸術的スタイルを分離し,きめ細かなスタイル帰属性能を評価するために,スタイルハック(SHacks)の合成データセットも導入した。
  論文  参考訳（メタデータ） (2024-12-19T01:21:23Z)
• Art-Free Generative Models: Art Creation Without Graphic Art Knowledge [50.60063523054282]
  美術関連コンテンツへのアクセスなしに訓練されたテキスト・画像生成モデルを提案する。 そこで我々は,選択した芸術スタイルのごく一部の例を用いて,シンプルな,かつ効果的なアートアダプタの学習方法を提案する。
  論文  参考訳（メタデータ） (2024-11-29T18:59:01Z)
• 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)
• Automatic Generation of Fashion Images using Prompting in Generative Machine Learning Models [1.8817715864806608]
  本研究では、2つの異なる大言語モデルと、ファッション画像作成のための安定拡散モデルを用いて、カスタマイズされたファッション記述を生成する手法について検討する。 AI駆動のファッションクリエイティビティにおける適応性を強調して、ゼロショットや少数ショット学習といったテクニックの促進に重点を置いています。 評価は、CLIPscoreのような定量的メトリクスと質的な人間の判断を組み合わせることで、創造性、コヒーレンス、さまざまなスタイルの美的魅力を強調します。
  論文  参考訳（メタデータ） (2024-07-20T17:37:51Z)
• Stylebreeder: Exploring and Democratizing Artistic Styles through Text-to-Image Models [38.5896770458884]
  我々はArtbreeder上で95Kユーザによって生成された6.8Mイメージと1.8Mプロンプトの包括的なデータセットであるtextttSTYLEBREEDERを紹介した。 サイバーパンクやピカソといった従来のカテゴリを超越したユニークなユーザ生成スタイルを文書化することによって,ユニークなクラウドソーススタイルの可能性を探る。 本研究は,ユニークな表現の発見と促進を目的としたテキスト・画像拡散モデルの可能性を示すものである。
  論文  参考訳（メタデータ） (2024-06-20T17:59:56Z)
• Human Aesthetic Preference-Based Large Text-to-Image Model Personalization: Kandinsky Generation as an Example [4.744780823386797]
  本稿では,パーソナライズされた絵画コンテンツを自動的に生成する,プロンプトフリーな生成手法を提案する。 アーティストモデル生成画像に対するユーザの美的評価と嗜好を頼りにすることで、ユーザをパーソナライズしたモデルにする。
  論文  参考訳（メタデータ） (2024-02-09T13:11:19Z)
• CreativeSynth: Creative Blending and Synthesis of Visual Arts based on Multimodal Diffusion [74.44273919041912]
  大規模なテキスト・画像生成モデルは印象的な進歩を遂げ、高品質な画像を合成する能力を示している。 しかし、これらのモデルを芸術的な画像編集に適用することは、2つの重要な課題を提起する。 我々は,マルチモーダル入力をコーディネートする拡散モデルに基づく,革新的な統一フレームワークCreative Synthを構築した。
  論文  参考訳（メタデータ） (2024-01-25T10:42:09Z)
• CreativeGAN: Editing Generative Adversarial Networks for Creative Design Synthesis [1.933681537640272]
  本論文では,新しいデザインを作成するための自動手法であるCreativeGANを提案する。 デザインをユニークなものにするコンポーネントを識別し、GANモデルを変更することで、識別されたユニークなコンポーネントでデザインを生成する可能性が高まる。 自転車デザインのデータセットを用いて,ユニークなフレームとハンドル,および幅広いデザインの珍しいノベルティを備えた新しい自転車デザインを作成できることを実証した。
  論文  参考訳（メタデータ） (2021-03-10T18:22:35Z)
• Modeling Artistic Workflows for Image Generation and Editing [83.43047077223947]
  与えられた芸術的ワークフローに従う生成モデルを提案する。 既存の芸術作品の多段画像編集だけでなく、多段画像生成も可能である。
  論文  参考訳（メタデータ） (2020-07-14T17:54:26Z)

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。