論文の概要: Pencils to Pixels: A Systematic Study of Creative Drawings across Children, Adults and AI

• arxiv url: http://arxiv.org/abs/2502.05999v1
• Date: Sun, 09 Feb 2025 19:02:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 14:33:46.474528
• Title: Pencils to Pixels: A Systematic Study of Creative Drawings across Children, Adults and AI
• Title（参考訳）: Pencils to Pixels: 子供、大人、AIを対象とした創造的図面の体系的研究
• Authors: Surabhi S Nath, Guiomar del Cuvillo y Schröder, Claire E. Stevenson,
• Abstract要約: 子ども、大人、AIによる1338の図面を創造的な図面タスクで分析する。 スタイルとしては,インク密度,インク分布,元素数などを定義している。 コンテンツについては、専門家が注釈付けしたカテゴリを使用して概念的多様性を研究します。 専門家と自動化されたクリエイティビティスコアを予測するシンプルなモデルを構築します。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Can we derive computational metrics to quantify visual creativity in drawings across intelligent agents, while accounting for inherent differences in technical skill and style? To answer this, we curate a novel dataset consisting of 1338 drawings by children, adults and AI on a creative drawing task. We characterize two aspects of the drawings -- (1) style and (2) content. For style, we define measures of ink density, ink distribution and number of elements. For content, we use expert-annotated categories to study conceptual diversity, and image and text embeddings to compute distance measures. We compare the style, content and creativity of children, adults and AI drawings and build simple models to predict expert and automated creativity scores. We find significant differences in style and content in the groups -- children's drawings had more components, AI drawings had greater ink density, and adult drawings revealed maximum conceptual diversity. Notably, we highlight a misalignment between creativity judgments obtained through expert and automated ratings and discuss its implications. Through these efforts, our work provides, to the best of our knowledge, the first framework for studying human and artificial creativity beyond the textual modality, and attempts to arrive at the domain-agnostic principles underlying creativity. Our data and scripts are available on GitHub.
• Abstract（参考訳）: 知的エージェント間の描画における視覚的創造性を定量化するために、計算メトリクスを導出できるだろうか。 そこで我々は,子ども,大人,AIによる1338枚の図面からなる新しいデータセットを,創造的な図面タスクでキュレートする。 図面の2つの側面 - (1) スタイルと(2) 内容 - を特徴付ける。 スタイルとしては,インク密度,インク分布,元素数などを定義している。 コンテンツについては、専門家が注釈付けしたカテゴリを用いて概念的多様性、画像とテキストの埋め込み、距離測定の計算を行う。 私たちは、子供、大人、AIの図面のスタイル、内容、創造性を比較し、専門家と自動化された創造性スコアを予測するシンプルなモデルを構築します。 子どもの絵は構成要素が多く、AIの絵はインク密度が高く、大人の絵は最大概念的多様性を示した。 特に、専門家と自動化された評価によって得られた創造性判断の相違を強調し、その意味について論じる。 これらの取り組みを通じて、我々の研究は、私たちの知る限り、人間の創造性と人工的な創造性を研究するための最初の枠組みを提供し、創造性の基礎となるドメインに依存しない原則に到達しようと試みます。 当社のデータとスクリプトはGitHubで入手可能です。

関連論文リスト

• 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)
• ORACLE: Leveraging Mutual Information for Consistent Character Generation with LoRAs in Diffusion Models [3.7599363231894185]
  単一テキストプロンプトから一貫した文字表現を生成するための新しいフレームワークを提案する。 我々のフレームワークは、一貫した視覚的アイデンティティを持つ文字を生成する既存の手法よりも優れています。
  論文  参考訳（メタデータ） (2024-06-04T23:39:08Z)
• DreamCreature: Crafting Photorealistic Virtual Creatures from Imagination [140.1641573781066]
  ターゲット概念のラベルなしイメージのセットを前提として、我々は、新しいハイブリッド概念を創出できるT2Iモデルをトレーニングすることを目指している。 そこで我々はDreamCreatureと呼ばれる新しい手法を提案し,その基盤となるサブ概念を同定し抽出する。 したがって、T2Iは忠実な構造とフォトリアリスティックな外観を持つ新しい概念を生成するのに適応する。
  論文  参考訳（メタデータ） (2023-11-27T01:24:31Z)
• SketchDreamer: Interactive Text-Augmented Creative Sketch Ideation [111.2195741547517]
  画像の画素表現に基づいて訓練されたテキスト条件付き拡散モデルを用いて,制御されたスケッチを生成する手法を提案する。 我々の目標は、プロでないユーザにスケッチを作成させ、一連の最適化プロセスを通じて物語をストーリーボードに変換することです。
  論文  参考訳（メタデータ） (2023-08-27T19:44:44Z)
• A Method for Animating Children's Drawings of the Human Figure [9.076663874652725]
  本研究では,子どもの人物図面を自動で編集するシステムを提案する。 Animated Drawings Demoを構築、リリースすることで、私たちのアプローチの価値と幅広い魅力を示します。
  論文  参考訳（メタデータ） (2023-03-07T22:31:28Z)
• Automatic Creativity Measurement in Scratch Programs Across Modalities [6.242018846706069]
  我々は、創造性の公式な尺度の定義から、この尺度を実践的な領域に適用することまで、効率的に計算できる旅を行ないます。 我々は、人気のあるビジュアルプログラミング言語であるScratchのプロジェクトに対して、一般的な測度を適用した。 我々は、Scratchプロジェクトの創造性を予測し、人間の専門家による創造性評価に基づいてトレーニングし、評価する機械学習モデルを設計した。
  論文  参考訳（メタデータ） (2022-11-07T10:43:36Z)
• DoodleFormer: Creative Sketch Drawing with Transformers [68.18953603715514]
  創造的スケッチ(Creative sketching)またはドゥーリング(Duodling)は、日常の視覚的物体の想像的かつ以前は目に見えない描写が描かれた表現的活動である。 本稿では,クリエイティビティスケッチ生成問題を粗いスケッチ合成に分解する,粗い2段階のフレームワークDoodleFormerを提案する。 生成した創作スケッチの多様性を確保するため,確率論的粗いスケッチデコーダを導入する。
  論文  参考訳（メタデータ） (2021-12-06T18:59:59Z)
• Telling Creative Stories Using Generative Visual Aids [52.623545341588304]
  私たちはライターに、開始プロンプトからクリエイティブなストーリーを書くように頼み、同じプロンプトから生成するAIモデルによって生成されたビジュアルを提供した。 コントロールグループと比較すると、ビジュアルをストーリー・ライティング・アシストとして使用した作家は、より創造的で、オリジナルで、完全で、視覚的にできるストーリーを著した。 発見は、AIによる横断的なモダリティ入力は、人間とAIの共創において創造性の異なる側面に利益をもたらすが、収束する思考を妨げることを示している。
  論文  参考訳（メタデータ） (2021-10-27T23:13:47Z)
• 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)
• Creative Sketch Generation [48.16835161875747]
  クリエイティブなスケッチのデータセットであるCreative BirdsとCreative Creaturesの2つを紹介します。 DoodlerGAN (Generative Adrial Network, GAN) を提案する。 人間の研究と同様に定量的評価は、我々のアプローチによって生成されたスケッチは、既存のアプローチよりも創造的で高品質であることを示している。
  論文  参考訳（メタデータ） (2020-11-19T18:57:00Z)

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。