論文の概要: Paintings and Drawings Aesthetics Assessment with Rich Attributes for Various Artistic Categories

• arxiv url: http://arxiv.org/abs/2405.02982v1
• Date: Sun, 5 May 2024 16:05:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-07 15:33:57.874112
• Title: Paintings and Drawings Aesthetics Assessment with Rich Attributes for Various Artistic Categories
• Title（参考訳）: 絵画と図面美学評価 : 多様な芸術カテゴリーを対象としたリッチ属性による評価
• Authors: Xin Jin, Qianqian Qiao, Yi Lu, Shan Gao, Heng Huang, Guangdong Li,
• Abstract要約: Aesthetics of Paintings and Drawingsデータセットは、合計4985枚の画像で構成され、注釈数は31100枚を超える。 APDDの建設は世界中の28人のプロアーティストから活発に参加し、芸術分野を専門とする数十人の学生が参加した。 最終的なAPDDデータセットは、合計4985のイメージで構成され、アノテーション数は31100を超える。
• 参考スコア（独自算出の注目度）: 47.705077586687196
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image aesthetic evaluation is a highly prominent research domain in the field of computer vision. In recent years, there has been a proliferation of datasets and corresponding evaluation methodologies for assessing the aesthetic quality of photographic works, leading to the establishment of a relatively mature research environment. However, in contrast to the extensive research in photographic aesthetics, the field of aesthetic evaluation for paintings and Drawings has seen limited attention until the introduction of the BAID dataset in March 2023. This dataset solely comprises overall scores for high-quality artistic images. Our research marks the pioneering introduction of a multi-attribute, multi-category dataset specifically tailored to the field of painting: Aesthetics of Paintings and Drawings Dataset (APDD). The construction of APDD received active participation from 28 professional artists worldwide, along with dozens of students specializing in the field of art. This dataset encompasses 24 distinct artistic categories and 10 different aesthetic attributes. Each image in APDD has been evaluated by six professionally trained experts in the field of art, including assessments for both total aesthetic scores and aesthetic attribute scores. The final APDD dataset comprises a total of 4985 images, with an annotation count exceeding 31100 entries. Concurrently, we propose an innovative approach: Art Assessment Network for Specific Painting Styles (AANSPS), designed for the assessment of aesthetic attributes in mixed-attribute art datasets. Through this research, our goal is to catalyze advancements in the field of aesthetic evaluation for paintings and drawings, while enriching the available resources and methodologies for its further development and application.
• Abstract（参考訳）: 画像美学評価はコンピュータビジョンの分野で非常に顕著な研究領域である。 近年,写真作品の美的品質を評価するためのデータセットやそれに対応する評価手法が普及しており,比較的成熟した研究環境の確立につながっている。 しかし、写真美学の広範な研究とは対照的に、絵画や図面の美学評価の分野は、2023年3月にBAIDデータセットが導入されるまで、あまり注目されていない。 このデータセットは、高品質な芸術画像の総合スコアのみで構成されている。 我々の研究は、絵画分野に特化された多属性多カテゴリデータセット(Aesthetics of Paintings and Drawings Dataset (APDD))の先駆的な導入である。 APDDの建設は世界中の28人のプロアーティストから活発に参加し、芸術分野を専門とする数十人の学生が参加した。 このデータセットは24の異なる芸術カテゴリーと10の異なる美的属性を含んでいる。 APDDの各画像は、芸術の分野で専門的に訓練された6人の専門家によって評価され、総美学スコアと美学属性スコアの両方が評価されている。 最終的なAPDDデータセットは、合計4985のイメージで構成され、アノテーション数は31100を超える。 同時に,混合属性アートデータセットの美的特性を評価するためにデザインされたアートアセスメント・ネットワーク・フォー・特定絵画スタイル(AANSPS)を提案する。 本研究の目的は,絵画や図面の美的評価の分野での進歩を触媒すると同時に,そのさらなる発展と応用のために利用可能な資源や方法論を充実させることである。

関連論文リスト

• APDDv2: Aesthetics of Paintings and Drawings Dataset with Artist Labeled Scores and Comments [45.57709215036539]
  Aesthetics Paintings and Drawings dataset (APDD)は,24の異なる芸術カテゴリーと10の美的属性を含む最初の総合的な絵画コレクションである。 APDDv2は画像コーパスを拡張し、アノテーションの品質を改善し、詳細な言語コメントを特徴としている。 本稿では,ArtCLIP(Art Assessment Network for Specific Painting Styles)の改訂版について紹介する。
  論文  参考訳（メタデータ） (2024-11-13T11:46:42Z)
• BackFlip: The Impact of Local and Global Data Augmentations on Artistic Image Aesthetic Assessment [7.7311099081131465]
  局所的およびグローバルなデータ拡張技術が芸術的イメージ美的評価(IAA)に及ぼす影響について検討する。 芸術的IAAに特化したローカルデータ拡張技術であるBackFlipを紹介する。 以上の結果から,BackFlip などの局所的な拡張は,芸術的IAA のグローバルな増強よりも優れる傾向が示唆された。
  論文  参考訳（メタデータ） (2024-08-26T10:39:01Z)
• GalleryGPT: Analyzing Paintings with Large Multimodal Models [64.98398357569765]
  美術品の分析は、個人の審美性を豊かにし、批判的思考能力を促進することができる芸術鑑賞のための重要かつ基本的な技術である。 アートワークを自動解析する以前の作業は、主に分類、検索、その他の単純なタスクに焦点を当てており、AIの目標とは程遠い。 LLaVAアーキテクチャに基づいて微調整されたGalleryGPTと呼ばれる,絵画解析のための優れた大規模マルチモーダルモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-01T11:52:56Z)
• AACP: Aesthetics assessment of children's paintings based on self-supervised learning [17.672268781368672]
  小児絵画の美学評価(AACP)は画像美学評価(IAA)の重要な分野である これまでのアプローチでは、大規模なデータセットのトレーニングと、画像に対する美学スコアの提供に頼っていた。 子どもの絵の美学評価データセットを構築し,自己指導型学習モデルを構築した。
  論文  参考訳（メタデータ） (2024-03-12T12:07:00Z)
• Image Aesthetics Assessment via Learnable Queries [59.313054821874864]
  本稿では,IAA-LQを用いた画像美学評価手法を提案する。 フリーズされた画像エンコーダから得られた事前訓練された画像特徴から、学習可能なクエリを適応して美的特徴を抽出する。 実世界のデータに関する実験では、IAA-LQの利点が示され、SRCCとPLCCでそれぞれ2.2%、そして2.1%が最先端の手法に勝っている。
  論文  参考訳（メタデータ） (2023-09-06T09:42:16Z)
• 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)
• Towards Artistic Image Aesthetics Assessment: a Large-scale Dataset and a New Method [64.40494830113286]
  まず、Boldbrush Artistic Image dataset (BAID)という大規模なAIAAデータセットを紹介します。 そこで我々は,芸術的イメージを評価するために,スタイル特異的で汎用的な美的情報を効果的に抽出し,活用する新たな手法であるSAANを提案する。 実験により,提案手法は提案したBAIDデータセット上で既存のIAA手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-27T12:59:15Z)

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。