論文の概要: Curating art exhibitions using machine learning
- arxiv url: http://arxiv.org/abs/2506.19813v1
- Date: Tue, 24 Jun 2025 17:25:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-25 19:48:23.747418
- Title: Curating art exhibitions using machine learning
- Title（参考訳）: 機械学習を用いた展覧会のキュレーション
- Authors: Eurico Covas,
- Abstract要約: 本稿では,機械学習技術に基づく一連の人工モデルを提案する。
われわれは過去25年間の展覧会をニューヨークのメトロポリタン美術館で開催することに集中している。
我々の4つの人工知能モデルは、これらの様々なキュレーターを模倣する合理的な能力を達成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Art curatorship has always been mostly the subjective work of human experts, who, with extensive knowledge of many and diverse artworks, select a few of those to present in communal spaces, spaces that evolved into what we now call art galleries. There are no hard and fast set of rules on how to select these artworks, given a theme which either is presented to the art curator or constructed by her/him. Here we present a series of artificial models -- a total of four related models -- based on machine learning techniques (a subset of artificial intelligence) that attempt to learn from existing exhibitions which have been curated by human experts, in order to be able to do similar curatorship work. We focus exclusively on the last 25 years of past exhibitions at the Metropolitan Museum of Art in New York, due to the quality of the data available and the physical and time limitations of our research. Our four artificial intelligence models achieve a reasonable ability at imitating these various curators responsible for all those exhibitions, with various degrees of precision and curatorial coherence. In particular, we can conclude two key insights: first, that there is sufficient information in these exhibitions to construct an artificial intelligence model that replicates past exhibitions with an accuracy well above random choices; second, that using feature engineering and carefully designing the architecture of modest size models can make them as good as those using the so-called large language models such as GPT in a brute force approach. We also believe, based on small attempts to use the models in out-of-sample experiments, that given more much more data, it should be possible for these kinds of artificial intelligence agents to be closer and closer to the aesthetic and curatorial judgment of human art curators.
- Abstract（参考訳）: アート・キュレーターシップ(Art curatorship, アート・キュレーターシップ, アート・キュレーターシップ, アート・キュレーターシップ, アート・キュレーターシップ, アート・キュレーターシップ, アート・ギャラリー, アート・キュレーター, アート・キュレーター, アート・キュレーター, アート・キュレーター, アート・キュレーター, アート・キュレーター, アート・キュレーター, アート・キュレーター, アート・ギャラリー, アート・キュレーター, アート・キュレーター, アート・キュレーター, アート・キュレーター, アート・ギャラリー, アート・ギャラリー, アート・ギャラリー, アート・ギャラリー, アート・ギャラリー, アート・ギャラリー, アート・ギャラリー, アート・ギャラリー, アート・ギャラリー, アート・アート・キュレーション, アート・アート・アート・アート・アート・アート・アート)は、多岐多多多多多多多多多多多多多多多多多多多多多多多多多多多の知識の知識の知識の知識を持つ。
アートキュレーターに提示されるか、あるいは彼女/彼女によって構築されるテーマを与えられた、これらのアート作品の選択方法に関する厳格で迅速なルールは存在しない。
ここでは、人間の専門家によってキュレーションされた既存の展示から学び、同様のキュレーターシップ作業を行うために、機械学習技術(人工知能のサブセット)に基づいて、合計4つの関連するモデルからなる一連の人工モデルを紹介します。
われわれは過去25年間のニューヨークのメトロポリタン美術館での展示にのみ焦点を当てている。
我々の4つの人工知能モデルは、これらの展示に責任を負う様々なキュレーターを、様々な精度とカリキュラムコヒーレンスで模倣する合理的な能力を達成する。
特に、これらの展示には、ランダムな選択よりもはるかに高い精度で過去の展示を再現する人工知能モデルを構築するのに十分な情報がある、という2つの重要な洞察を結論付けることができる。
また、サンプル外実験でモデルを使用する小さな試みに基づいて、より多くのデータを得ることができれば、この種の人工知能エージェントが人間のアートキュレーターの審美的およびカリキュラム的判断に近づき、より近いものになるはずだと信じています。
関連論文リスト
- ArtistAuditor: Auditing Artist Style Pirate in Text-to-Image Generation Models [61.55816738318699]
本稿では,テキスト・画像生成モデルにおける新しいデータ利用監査手法を提案する。
ArtistAuditorは、多彩なスタイルの表現を得るためにスタイル抽出器を使用し、アートワークをアーティストのスタイルのサンプリングとして扱う。
6つのモデルとデータセットの組み合わせによる実験結果は、ArtistAuditorが高いAUC値を達成可能であることを示している。
論文 参考訳（メタデータ） (2025-04-17T16:15:38Z) - Context-aware Multimodal AI Reveals Hidden Pathways in Five Centuries of Art Evolution [1.8435193934665342]
最先端の生成AI、特に安定拡散を使って、500年の西洋絵画を分析します。
以上の結果から,形式的要素よりも芸術的期間,様式,個人芸術家の文脈的情報の違いが明らかとなった。
我々の生成実験は、将来的な文脈を歴史的美術品に浸透させ、美術品の進化軌道を再現することに成功している。
論文 参考訳（メタデータ） (2025-03-15T10:45:04Z) - A Critical Assessment of Modern Generative Models' Ability to Replicate Artistic Styles [0.0]
本稿では,現代生成モデルのスタイル再現能力を批判的に評価する。
これらのモデルは,構造的整合性と構成的バランスを維持しつつ,従来の芸術様式をいかに効果的に再現するかを検討する。
この分析は、過去の芸術スタイルを模倣したAI生成作品の大規模なデータセットに基づいている。
論文 参考訳（メタデータ） (2025-02-21T07:00:06Z) - PATCH: a deep learning method to assess heterogeneity of artistic practice in historical paintings [0.0]
ルネサンス期と近世の絵画は、主に見習いの工房を監督する師匠によって制作された。
異なるワークショップがどのように管理され、どのようにアートワークが作られたかは明らかになっていない。
論文 参考訳（メタデータ） (2025-02-04T01:05:12Z) - Understanding the World's Museums through Vision-Language Reasoning [49.976422699906706]
博物館は、様々なエポック、文明、地域にまたがる文化遺産や歴史的遺物の重要な保管物として機能している。
我々は、世界中の展示のために、標準的な博物館カタログフォーマットで65万枚の画像と2億枚の質問回答ペアの大規模なデータセットを収集し、キュレートする。
BLIPモデルと視覚言語対応の埋め込みを持つが、大きな言語モデルの表現力に欠ける2つのVLMと、視覚言語推論能力に富んだ強力な命令チューニング LLaVA モデルを訓練する。
論文 参考訳（メタデータ） (2024-12-02T10:54:31Z) - Opt-In Art: Learning Art Styles Only from Few Examples [50.60063523054282]
ごく少数の例を考慮すれば,絵画を使わずに訓練されたモデルを芸術的なスタイルに適応させることが可能であることを示す。
意外なことに, 芸術的データに事前に触れることなく, 高品質な芸術的アウトプットを達成できることが示唆された。
論文 参考訳（メタデータ） (2024-11-29T18:59:01Z) - Diffusion-Based Visual Art Creation: A Survey and New Perspectives [51.522935314070416]
本調査は,拡散に基づく視覚芸術創造の新たな領域を探求し,その発展を芸術的,技術的両面から検討する。
本研究は,芸術的要件が技術的課題にどのように変換されるかを明らかにし,視覚芸術創造における拡散法の設計と応用を強調した。
我々は、AIシステムが芸術的知覚と創造性において人間の能力をエミュレートし、潜在的に増強するメカニズムに光を当てることを目指している。
論文 参考訳（メタデータ） (2024-08-22T04:49:50Z) - 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) - State of the Art on Diffusion Models for Visual Computing [191.6168813012954]
本稿では,拡散モデルの基本数学的概念,実装の詳細,および一般的な安定拡散モデルの設計選択を紹介する。
また,拡散に基づく生成と編集に関する文献の急速な発展を概観する。
利用可能なデータセット、メトリクス、オープンな課題、社会的意味について議論する。
論文 参考訳（メタデータ） (2023-10-11T05:32:29Z) - ArtGPT-4: Towards Artistic-understanding Large Vision-Language Models with Enhanced Adapter [19.830089364830066]
ArtGPT-4は、芸術的理解における既存のモデルの限界に対処するために設計された大きな視覚言語モデルである。
芸術的理解で画像を描画し、それらが刺激する感情を伝え、人間の解釈を反映する。
論文 参考訳（メタデータ） (2023-05-12T14:04:30Z) - 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) - Semi-supervised Human Pose Estimation in Art-historical Images [9.633949256082763]
アート言語画像における人間のポーズを推定する新しい手法を提案する。
我々の手法は、事前訓練されたモデルやスタイル転送を使用する方法よりも、はるかに優れた結果が得られる。
論文 参考訳（メタデータ） (2022-07-06T21:20:58Z)
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。