論文の概要: Fractal and Turbulent Feature Extraction and NFT Label Generation for Pollock Style Migration Paintings Based on VGG19

• arxiv url: http://arxiv.org/abs/2410.20519v2
• Date: Tue, 29 Oct 2024 15:18:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-30 13:40:47.323265
• Title: Fractal and Turbulent Feature Extraction and NFT Label Generation for Pollock Style Migration Paintings Based on VGG19
• Title（参考訳）: VGG19に基づくポリロック型マイグレーション絵画のフラクタル・乱流特性抽出とNFTラベル生成
• Authors: Yiquan Wang, Xu Wang, Jiazhuo Pan,
• Abstract要約: 本稿では, 深層学習, フラクタル解析, 乱流特徴抽出技術を融合した革新的な手法を提案する。 画像の内容とスタイルは,MindSporeディープラーニングフレームワークと事前学習されたVGG19モデルにより抽出される。 本手法は,コンテンツ損失,スタイル損失,フル分散損失を組み合わせ,高品質なPollockスタイルの画像を生成する。
• 参考スコア（独自算出の注目度）: 3.334973867478745
• License:
• Abstract: This paper puts forth an innovative approach that fuses deep learning, fractal analysis, and turbulence feature extraction techniques to create abstract artworks in the style of Pollock. The content and style characteristics of the image are extracted by the MindSpore deep learning framework and a pre-trained VGG19 model. An optimisation process is then employed to The method generates high-quality Pollock-style images by combining content loss, style loss and full variance loss to achieve accurate style migration. Furthermore, this paper implements a fractal dimension calculation method based on the difference box-counting method, which effectively estimates the fractal dimension of an image through edge extraction and fractal analysis. The method is based on a two-dimensional discrete wavelet transform using a Haar wavelet to decompose the image in order to extract different frequency information. This is followed by the combination of multiple features to generate unique non-homogeneous token (NFT) labels for the authentication and protection of digital artwork. The experimental results demonstrate that the generated artworks exhibit The method demonstrates significant diversity and complexity in terms of fractal dimensions and turbulence features, while the generated NFT tags ensure the uniqueness and tamperability of each digital collection. The present method organically combines computer vision, digital signal processing and blockchain technology to provide a new solution for the creation and authentication of digital artworks.
• Abstract（参考訳）: 本稿では, 深層学習, フラクタル解析, 乱流特徴抽出技術を融合させ, 抽象アートワークをPollockのスタイルで作成する革新的な手法を提案する。 画像の内容とスタイルは,MindSporeディープラーニングフレームワークと事前学習されたVGG19モデルにより抽出される。 次に, コンテンツ損失, スタイル損失, フル分散損失を組み合わせ, 正確なスタイルマイグレーションを実現することにより, 高品質なPollockスタイルの画像を生成する。 さらに, 画像のフラクタル次元をエッジ抽出とフラクタル解析により効果的に推定する差分箱計数法に基づくフラクタル次元計算手法を実装した。 この方法は、ハールウェーブレットを用いた2次元離散ウェーブレット変換に基づいて、異なる周波数情報を抽出するために画像を分解する。 続いて、デジタルアートワークの認証と保護のためのユニークな非均一トークン (NFT) ラベルを生成するために複数の機能を組み合わせる。 実験の結果, 生成したアートワークは, フラクタル次元や乱流の特徴の観点から, 多様性と複雑さを顕著に示し, 生成したNFTタグは, 各デジタルコレクションの特異性と改ざん性を保証していることがわかった。 本手法は、コンピュータビジョン、デジタル信号処理、ブロックチェーン技術を有機的に組み合わせ、デジタルアートワークの作成と認証のための新しいソリューションを提供する。

関連論文リスト

• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• ZePo: Zero-Shot Portrait Stylization with Faster Sampling [61.14140480095604]
  本稿では,4つのサンプリングステップでコンテンツとスタイルの融合を実現する拡散モデルに基づく,インバージョンフリーなポートレートスタイリングフレームワークを提案する。 本稿では,一貫性機能における冗長な特徴をマージする機能統合戦略を提案し,注意制御の計算負荷を低減させる。
  論文  参考訳（メタデータ） (2024-08-10T08:53:41Z)
• Pixel-Inconsistency Modeling for Image Manipulation Localization [63.54342601757723]
  デジタル画像法医学は、画像認証と操作のローカライゼーションにおいて重要な役割を果たす。 本稿では,画素不整合アーチファクトの解析を通じて,一般化されたロバストな操作ローカライゼーションモデルを提案する。 実験により,本手法は固有の画素不整合偽指紋を抽出することに成功した。
  論文  参考訳（メタデータ） (2023-09-30T02:54:51Z)
• FreeCOS: Self-Supervised Learning from Fractals and Unlabeled Images for Curvilinear Object Segmentation [7.078356641689271]
  本稿では, フラクタルや未ラベル画像から頑健で独特な特徴を学習する自己教師型カービリニアオブジェクトセグメンテーション法を提案する。 主な貢献は、新しいフラクタル-FDA合成(FFS)モジュールと幾何情報アライメント(GIA)アプローチである。 GIAは、与えられたピクセルの強度次数と近隣のピクセルの値を比較することで、合成画像とラベルなし画像の強度差を低減する。
  論文  参考訳（メタデータ） (2023-07-14T09:38:08Z)
• Joint Learning of Deep Texture and High-Frequency Features for Computer-Generated Image Detection [24.098604827919203]
  本稿では,CG画像検出のための深いテクスチャと高周波特徴を有する共同学習戦略を提案する。 セマンティックセグメンテーションマップを生成して、アフィン変換操作を誘導する。 原画像と原画像の高周波成分の組み合わせを、注意機構を備えたマルチブランチニューラルネットワークに供給する。
  論文  参考訳（メタデータ） (2022-09-07T17:30:40Z)
• Bespoke Fractal Sampling Patterns for Discrete Fourier Space via the Kaleidoscope Transform [1.6274397329511197]
  カオスセンシングは、有限の反復的再構成スキームと共に決定論的、フラクタルサンプリングを用いる。 カオスセンシングは、磁気共鳴イメージングにおいて従来の圧縮センシングよりも優れていた。 テーラーメードフラクタルサンプリングパターンを設計する能力は、カオスイメージングにおけるDFTの有用性を拡大する。
  論文  参考訳（メタデータ） (2021-08-02T05:16:58Z)
• DWDN: Deep Wiener Deconvolution Network for Non-Blind Image Deblurring [66.91879314310842]
  本稿では,古典的なWienerデコンボリューションフレームワークを学習深い特徴と統合することにより,特徴空間における明示的なデコンボリューションプロセスを提案する。 マルチスケールのカスケード機能改善モジュールは、分離された深い特徴から退色画像を予測する。 提案したDeep Wienerデコンボリューションネットワークは,目に見える成果物が少なく,かつ,最先端の非盲点画像デコンボリューション手法を広いマージンで定量的に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-03-18T00:38:11Z)
• Pathological Retinal Region Segmentation From OCT Images Using Geometric Relation Based Augmentation [84.7571086566595]
  本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。 提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
  論文  参考訳（メタデータ） (2020-03-31T11:50:43Z)
• Residual-Sparse Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet frames [146.63177174491082]
  Fuzzy $C$-Means (FCM)アルゴリズムは、形態的再構成操作とタイトウェーブレットフレーム変換を組み込んでいる。 特徴集合とその理想値の間の残差に対して$ell_0$正規化項を付与することにより、改良されたFCMアルゴリズムを提案する。 合成, 医用, カラー画像に対する実験結果から, 提案アルゴリズムは効率的かつ効率的であり, 他のアルゴリズムよりも優れていた。
  論文  参考訳（メタデータ） (2020-02-14T10:00:03Z)

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。