論文の概要: Finding Beautiful and Happy Images for Mental Health and Well-being Applications
- arxiv url: http://arxiv.org/abs/2404.18109v1
- Date: Sun, 28 Apr 2024 08:04:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-30 17:53:05.954336
- Title: Finding Beautiful and Happy Images for Mental Health and Well-being Applications
- Title（参考訳）: メンタルヘルスと幸福なアプリケーションのための美しい、幸せな画像の発見
- Authors: Ruitao Xie, Connor Qiu, Guoping Qiu,
- Abstract要約: 世界人口の10人に1人が精神疾患に罹患していたと推定されている。
美しい自然画像のエンゲージメントと視聴によって、人々はより幸せになり、ストレスが軽減されることを示す研究にインスパイアされた私たちは、AIがメンタルヘルスを促進するのにどのように役立つかを探求する。
- 参考スコア（独自算出の注目度）: 15.46352827502719
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper explores how artificial intelligence (AI) technology can contribute to achieve progress on good health and well-being, one of the United Nations' 17 Sustainable Development Goals. It is estimated that one in ten of the global population lived with a mental disorder. Inspired by studies showing that engaging and viewing beautiful natural images can make people feel happier and less stressful, lead to higher emotional well-being, and can even have therapeutic values, we explore how AI can help to promote mental health by developing automatic algorithms for finding beautiful and happy images. We first construct a large image database consisting of nearly 20K very high resolution colour photographs of natural scenes where each image is labelled with beautifulness and happiness scores by about 10 observers. Statistics of the database shows that there is a good correlation between the beautifulness and happiness scores which provides anecdotal evidence to corroborate that engaging beautiful natural images can potentially benefit mental well-being. Building on this unique database, the very first of its kind, we have developed a deep learning based model for automatically predicting the beautifulness and happiness scores of natural images. Experimental results are presented to show that it is possible to develop AI algorithms to automatically assess an image's beautifulness and happiness values which can in turn be used to develop applications for promoting mental health and well-being.
- Abstract（参考訳）: 本稿では、国連の持続可能な開発目標17の1つである、健康と幸福の進歩に人工知能(AI)技術がいかに貢献できるかを考察する。
世界人口の10人に1人が精神疾患に罹患していたと推定されている。
美しい自然画像のエンゲージメントと視聴によって、人々はより幸せでストレスが少なくなり、より感情的な幸福感がもたらされ、治療的価値ももたらされる、という研究に触発されて、私たちは、美しく幸せな画像を見つけるための自動アルゴリズムを開発することで、AIがメンタルヘルスを促進するのにどのように役立つかを探求した。
まず,20K近い高解像度の自然シーンの写真から,それぞれの画像に美しい点と幸福点を約10人の観察者によってラベル付けした大容量画像データベースを構築した。
データベースの統計によると、美しさと幸福のスコアの間には良い相関関係があることが示されており、美しい自然画像のエンゲージメントが精神的な幸福を損なう可能性があることを裏付ける逸話的な証拠を提供している。
このユニークなデータベースをベースとして,自然画像の美しさと幸福度を自動的に予測する深層学習モデルを開発した。
実験結果から、画像の美しさと幸福度を自動的に評価するAIアルゴリズムを開発でき、それによって、メンタルヘルスと幸福の促進のためのアプリケーションを開発することができることを示した。
関連論文リスト
- Understanding and Evaluating Human Preferences for AI Generated Images with Instruction Tuning [58.41087653543607]
我々はまず,AIGCIQA2023+と呼ばれるAIGIのための画像品質評価(IQA)データベースを構築した。
本稿では,AIGIに対する人間の嗜好を評価するためのMINT-IQAモデルを提案する。
論文 参考訳（メタデータ） (2024-05-12T17:45:11Z) - 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) - Achieving More Human Brain-Like Vision via Human EEG Representational Alignment [1.811217832697894]
非侵襲脳波に基づく人間の脳活動に対応する視覚モデル「Re(presentational)Al(ignment)net」を提案する。
我々の革新的な画像から脳への多層符号化フレームワークは、複数のモデル層を最適化することにより、人間の神経のアライメントを向上する。
我々の発見は、ReAlnetが人工と人間の視覚のギャップを埋め、より脳に似た人工知能システムへの道を歩むブレークスルーを表していることを示唆している。
論文 参考訳（メタデータ） (2024-01-30T18:18:41Z) - Exploring the Naturalness of AI-Generated Images [59.04528584651131]
我々は、AI生成画像の視覚的自然性をベンチマークし、評価する第一歩を踏み出した。
本研究では,人間の評価を整列するAGIの自然性を自動予測するジョイント・オブジェクト・イメージ・ナチュラルネス評価器(JOINT)を提案する。
その結果,JOINTは自然性評価において,より主観的に一貫した結果を提供するために,ベースラインを著しく上回ることを示した。
論文 参考訳（メタデータ） (2023-12-09T06:08:09Z) - PKU-I2IQA: An Image-to-Image Quality Assessment Database for AI
Generated Images [1.6031185986328562]
我々はPKU-I2IQAという人間の知覚に基づく画像から画像へのAIGCIQAデータベースを構築した。
本研究では,非参照画像品質評価法に基づくNR-AIGCIQAとフル参照画像品質評価法に基づくFR-AIGCIQAの2つのベンチマークモデルを提案する。
論文 参考訳（メタデータ） (2023-11-27T05:53:03Z) - 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) - A Portrait of Emotion: Empowering Self-Expression through AI-Generated
Art [0.0]
本研究では,創造的表現を通じて著者の認知過程を反映する生成人工知能(AI)の可能性と限界について検討した。
その結果,主イベントに対する著者の感情の記述に基づく画像の嗜好が示された。
生成AIを用いた研究フレームワークは、関連する分野におけるAIベースの介入を設計するのに役立ちます。
論文 参考訳（メタデータ） (2023-04-26T06:54:53Z) - Seeing is not always believing: Benchmarking Human and Model Perception
of AI-Generated Images [66.20578637253831]
人工知能(AI)技術の進歩が偽写真を生み出すのではないかという懸念が高まっている。
本研究の目的は、最先端のAI生成視覚コンテンツを識別するためのエージェントを包括的に評価することである。
論文 参考訳（メタデータ） (2023-04-25T17:51:59Z) - Affection: Learning Affective Explanations for Real-World Visual Data [50.28825017427716]
我々は,85,007枚の公開画像に対して,感情反応と自由形式のテキスト説明を含む大規模データセットを研究コミュニティに導入し,共有する。
本研究は, 被写体集団に大きな支持を得て, 潜在的に有意な感情反応をとらえる上で, 重要な共通基盤があることを示唆する。
私たちの研究は、より豊かで、より人間中心で、感情に敏感な画像分析システムへの道を開くものです。
論文 参考訳（メタデータ） (2022-10-04T22:44:17Z)
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。