論文の概要: Modeling Aesthetic Preferences in 3D Shapes: A Large-Scale Paired Comparison Study Across Object Categories

• arxiv url: http://arxiv.org/abs/2505.12373v1
• Date: Sun, 18 May 2025 11:30:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.198041
• Title: Modeling Aesthetic Preferences in 3D Shapes: A Large-Scale Paired Comparison Study Across Object Categories
• Title（参考訳）: 3次元形状における美的嗜好のモデル化:物体カテゴリ間の大規模ペアリング比較
• Authors: Kapil Dev,
• Abstract要約: 本研究では,Amazon Mechanical Turkを通じて,5つの対象カテゴリー(椅子,テーブル,マグカップ,ランプ,ダイニングチェア)にまたがる人間の嗜好を大規模に調査する。 審美的嗜好の幾何学的要因を明らかにするために,新しい非線形モデリングとクロスカテゴリ分析を導入する。 この研究は、人間中心のデータ駆動フレームワークを通じて、3D形状の美学の理解を深める。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human aesthetic preferences for 3D shapes are central to industrial design, virtual reality, and consumer product development. However, most computational models of 3D aesthetics lack empirical grounding in large-scale human judgments, limiting their practical relevance. We present a large-scale study of human preferences. We collected 22,301 pairwise comparisons across five object categories (chairs, tables, mugs, lamps, and dining chairs) via Amazon Mechanical Turk. Building on a previously published dataset~\cite{dev2020learning}, we introduce new non-linear modeling and cross-category analysis to uncover the geometric drivers of aesthetic preference. We apply the Bradley-Terry model to infer latent aesthetic scores and use Random Forests with SHAP analysis to identify and interpret the most influential geometric features (e.g., symmetry, curvature, compactness). Our cross-category analysis reveals both universal principles and domain-specific trends in aesthetic preferences. We focus on human interpretable geometric features to ensure model transparency and actionable design insights, rather than relying on black-box deep learning approaches. Our findings bridge computational aesthetics and cognitive science, providing practical guidance for designers and a publicly available dataset to support reproducibility. This work advances the understanding of 3D shape aesthetics through a human-centric, data-driven framework.
• Abstract（参考訳）: 人間の3D形状の美的嗜好は、産業デザイン、仮想現実、消費者製品開発の中心である。 しかし、多くの3次元美学の計算モデルは、大規模な人間の判断において経験的根拠を欠き、その実用的妥当性を制限している。 人間の嗜好に関する大規模な研究について述べる。 われわれはAmazon Mechanical Turkを通じて、5つのカテゴリー(椅子、テーブル、マグカップ、ランプ、ダイニングチェア)のペアワイズ比較を22,301件収集した。 これまでに公表されたデータセット~\cite{dev2020learning}に基づいて、新しい非線形モデリングとクロスカテゴリ分析を導入し、審美的嗜好の幾何学的ドライバを明らかにする。 我々はBradley-Terryモデルを用いて潜在麻酔スコアを推定し、SHAP分析を用いて最も影響力のある幾何学的特徴(例えば、対称性、曲率、コンパクト性)を同定し、解釈する。 我々のクロスカテゴリ分析は、美的嗜好における普遍的原則とドメイン固有の傾向の両方を明らかにしている。 我々は、ブラックボックスのディープラーニングアプローチに頼るのではなく、モデルの透明性と実用的な設計上の洞察を確保するために、人間の解釈可能な幾何学的特徴に焦点を当てる。 本研究は, 計算美学と認知科学を橋渡しし, 設計者のための実践的ガイダンスと再現性を支援するための公開データセットを提供する。 この研究は、人間中心のデータ駆動フレームワークを通じて、3D形状の美学の理解を深める。

関連論文リスト

• Back to the Future Cyclopean Stereo: a human perception approach combining deep and geometric constraints [3.336618863186337]
  サイクロペアン眼モデルによる解析的3次元表面モデルを提供する。 この幾何学的基礎と学習されたステレオ特徴を組み合わせることで、システムは両方のアプローチの強みの恩恵を受けることができる。 本研究の目的は,三次元表面の幾何学的性質の理解とモデリングがコンピュータビジョン研究に有用であることを示すことである。
  論文  参考訳（メタデータ） (2025-02-28T17:58:20Z)
• Aligning Vision Models with Human Aesthetics in Retrieval: Benchmarks and Algorithms [91.19304518033144]
  検索システムにおける視覚モデルと人間の審美基準の整合を図る。 本研究では、視覚モデルと人間の美学をよりよく整合させるために、視覚モデルを微調整する嗜好に基づく強化学習手法を提案する。
  論文  参考訳（メタデータ） (2024-06-13T17:59:20Z)
• Unveiling The Factors of Aesthetic Preferences with Explainable AI [0.0]
  本研究では,機械学習(ML)モデルを用いて,新しい視点を開拓する。 我々のモデルはこれらの属性を入力として処理し、画像の美的スコアを予測する。 本研究の目的は,画像における審美的嗜好の複雑な性質をMLを通して明らかにし,審美的判断に影響を及ぼす属性をより深く理解することである。
  論文  参考訳（メタデータ） (2023-11-24T11:06:22Z)
• Approaching human 3D shape perception with neurally mappable models [15.090436065092716]
  人間は力ずくで物体の3次元形状を推測する。 現在の計算モデルでは、視点を越えてオブジェクトの形状にマッチする人間の能力を捉えていない。 この研究は、ニューラルマップ可能な計算アーキテクチャ内の人間の形状推論を理解する基盤を提供する。
  論文  参考訳（メタデータ） (2023-08-22T09:29:05Z)
• StyleGAN-Human: A Data-Centric Odyssey of Human Generation [96.7080874757475]
  この研究は、データ中心の観点から、"データエンジニアリング"における複数の重要な側面を調査します。 さまざまなポーズやテクスチャを抽出した230万以上のサンプルで、大規模な人間の画像データセットを収集し、注釈付けします。 本稿では,データサイズ,データ分布,データアライメントといった,スタイルGANに基づく人為的生成のためのデータ工学における3つの重要な要素について精査する。
  論文  参考訳（メタデータ） (2022-04-25T17:55:08Z)
• Generalizable Neural Performer: Learning Robust Radiance Fields for Human Novel View Synthesis [52.720314035084215]
  この研究は、一般のディープラーニングフレームワークを使用して、任意の人間の演奏者の自由視点画像を合成することを目的としている。 我々は、汎用的で堅牢な神経体表現を学習するシンプルな、かつ強力なフレームワーク、Generalizable Neural Performer(GNR)を提案する。 GeneBody-1.0とZJU-Mocapの実験は、最近の最先端の一般化可能な手法よりも、我々の手法の堅牢性を示している。
  論文  参考訳（メタデータ） (2022-04-25T17:14:22Z)
• CHORE: Contact, Human and Object REconstruction from a single RGB image [40.817960406002506]
  CHOREは、1枚のRGB画像から人間と物体を共同で再構築する方法である。 2つの符号のない距離場で暗黙的に表現された人間と物体の神経再構成を計算する。 提案手法で得られた共同再建がSOTAを著しく上回ることを示す実験を行った。
  論文  参考訳（メタデータ） (2022-04-05T18:38:06Z)
• LatentHuman: Shape-and-Pose Disentangled Latent Representation for Human Bodies [78.17425779503047]
  本稿では,人体に対する新しい暗黙の表現法を提案する。 完全に微分可能で、非交叉形状で最適化可能であり、潜在空間を映し出す。 我々のモデルは、よく設計された損失を伴う、水密でない生データを直接訓練し、微調整することができる。
  論文  参考訳（メタデータ） (2021-11-30T04:10:57Z)
• Shape Prior Deformation for Categorical 6D Object Pose and Size Estimation [62.618227434286]
  RGB-D画像から見えないオブジェクトの6Dポーズとサイズを復元する新しい学習手法を提案する。 本研究では,事前学習したカテゴリ形状からの変形を明示的にモデル化することにより,3次元オブジェクトモデルを再構築するディープネットワークを提案する。
  論文  参考訳（メタデータ） (2020-07-16T16:45:05Z)

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。