Fugu-MT 論文翻訳(概要): Art-Free Generative Models: Art Creation Without Graphic Art Knowledge

論文の概要: Art-Free Generative Models: Art Creation Without Graphic Art Knowledge

arxiv url: http://arxiv.org/abs/2412.00176v1
Date: Fri, 29 Nov 2024 18:59:01 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-04 15:46:06.900784
Title: Art-Free Generative Models: Art Creation Without Graphic Art Knowledge
Title（参考訳）: アートフリー生成モデル:グラフィックアート知識のないアート創造
Authors: Hui Ren, Joanna Materzynska, Rohit Gandikota, David Bau, Antonio Torralba,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 50.60063523054282
License:
Abstract: We explore the question: "How much prior art knowledge is needed to create art?" To investigate this, we propose a text-to-image generation model trained without access to art-related content. We then introduce a simple yet effective method to learn an art adapter using only a few examples of selected artistic styles. Our experiments show that art generated using our method is perceived by users as comparable to art produced by models trained on large, art-rich datasets. Finally, through data attribution techniques, we illustrate how examples from both artistic and non-artistic datasets contributed to the creation of new artistic styles.
Abstract（参考訳）: アートを作るのに、どの程度の先行技術知識が必要か? そこで本研究では,美術関連コンテンツにアクセスせずに学習したテキスト・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。実験により,本手法を用いて生成したアートは,大規模でリッチなデータセットで訓練されたモデルによって生成されたアートに匹敵するものとして,ユーザによって認識されていることがわかった。最後に、データ帰属技術を通じて、芸術的、非芸術的両方のデータセットの例が、新しい芸術的スタイルの創造にどのように貢献したかを説明する。

関連論文リスト

Rethinking Artistic Copyright Infringements in the Era of Text-to-Image Generative Models [47.19481598385283]
ArtSavantは、ウィキアートの作品の参照データセットと比較することで、アーティストのユニークなスタイルを決定するツールである。そこで我々は,3つの人気テキスト・画像生成モデルにまたがる芸術的スタイルの複製の頻度を定量的に把握するために,大規模な実証的研究を行った。
論文参考訳（メタデータ） (2024-04-11T17:59:43Z)
AI Art Neural Constellation: Revealing the Collective and Contrastive State of AI-Generated and Human Art [36.21731898719347]
我々は、人間の芸術遺産の文脈内でAI生成芸術を位置づけるための包括的な分析を行う。私たちの比較分析は、ArtConstellationと呼ばれる広範なデータセットに基づいています。鍵となる発見は、1800-2000年に作られた現代美術の原理とAIが生成したアートアートが視覚的に関連していることである。
論文参考訳（メタデータ） (2024-02-04T11:49:51Z)
Inventing art styles with no artistic training data [0.65268245109828]
本研究では,自然画像のみに基づいて学習したモデルを用いて,絵画スタイルを作成する2つの手法を提案する。第1の手順では、創造的な表現を達成するために、芸術媒体からの帰納バイアスを用いる。第2の手順では、新たなスタイルを作るためのインスピレーションとして、追加の自然なイメージを使用する。
論文参考訳（メタデータ） (2023-05-19T21:59:23Z)
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)
Towards mapping the contemporary art world with ArtLM: an art-specific NLP model [0.0]
本報告では, 現代美術家間の相互関係を明らかにするために, 総合自然言語処理フレームワーク(ArtLM)を提案する。広範囲な実験により, 85.6%の精度と84.0%のF1スコアが得られた。また,ArtLMの出力から構築したアーティストネットワークの可視化と定性解析も提供する。
論文参考訳（メタデータ） (2022-12-14T09:26:07Z)
Inversion-Based Style Transfer with Diffusion Models [78.93863016223858]
以前の任意の例として誘導された芸術的画像生成法は、しばしば形状変化の制御や要素の伝達に失敗する。画像のキー情報を効率よく正確に学習できるインバージョンベースのスタイル転送手法(InST)を提案する。
論文参考訳（メタデータ） (2022-11-23T18:44:25Z)
Docent: A content-based recommendation system to discover contemporary art [0.8782885374383763]
本稿では,アート作品の画像とアーティストのコンテキストメタデータに依存する,現代美術のコンテントベースレコメンデーションシステムを提案する。私たちは、高度な、そしてアート特有の情報を収集し、注釈付けしたアートワークを収集し、モデルをトレーニングするために使用したユニークなデータベースを作成しました。アートスペシャリストのチームによる評価の結果、意味のあるアート作品の75%の平均的な最終評価が得られました。
論文参考訳（メタデータ） (2022-07-12T16:26:27Z)
Art Style Classification with Self-Trained Ensemble of AutoEncoding Transformations [5.835728107167379]
絵画の芸術的スタイルは豊かな記述物であり、アーティストが創造的なビジョンをどのように表現し表現するかについての視覚的知識と深い本質的な知識の両方を明らかにする。本稿では,高度な自己指導型学習手法を用いて,クラス内およびクラス間変動の少ない複雑な芸術的スタイルを認識することの課題を解決する。
論文参考訳（メタデータ） (2020-12-06T21:05:23Z)
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。