論文の概要: The persistence of painting styles

• arxiv url: http://arxiv.org/abs/2511.16695v1
• Date: Mon, 17 Nov 2025 13:25:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-24 18:08:18.75687
• Title: The persistence of painting styles
• Title（参考訳）: 絵画様式の持続性
• Authors: Reetikaa Reddy Munnangi, Barbara Giunti,
• Abstract要約: トポロジカルデータ解析の手法である持続的ホモロジー(PH)が,芸術的スタイルに対する客観的かつ解釈可能な洞察をいかに提供するかを示す。 統計的確証を持って、PHがアーティストと異なる芸術的流路と同一の流路を区別できることを示し、アーティストのイメージとアーティストのスタイルのAI生成画像とを区別する。
• 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: Art is a deeply personal and expressive medium, where each artist brings their own style, technique, and cultural background into their work. Traditionally, identifying artistic styles has been the job of art historians or critics, relying on visual intuition and experience. However, with the advancement of mathematical tools, we can explore art through more structured lens. In this work, we show how persistent homology (PH), a method from topological data analysis, provides objective and interpretable insights on artistic styles. We show how PH can, with statistical certainty, differentiate between artists, both from different artistic currents and from the same one, and distinguish images of an artist from an AI-generated image in the artist's style.
• Abstract（参考訳）: 芸術は深く個人的で表現力のある媒体であり、それぞれの芸術家が独自のスタイル、技法、文化的背景を作品に取り入れている。 伝統的に、芸術様式の特定は美術史家や批評家の仕事であり、視覚的な直観や経験に依存している。 しかし、数学的ツールの進歩により、より構造化されたレンズを通して芸術を探求することができる。 本研究では、トポロジカルデータ解析の手法である持続的ホモロジー(PH)が、芸術的スタイルに対する客観的かつ解釈可能な洞察をいかに提供するかを示す。 統計的確証を持って、PHがアーティストと異なる芸術的流路と同一の流路を区別できることを示し、アーティストのイメージとアーティストのスタイルのAI生成画像とを区別する。

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)
• Learning Artistic Signatures: Symmetry Discovery and Style Transfer [8.288443063900825]
  芸術様式の明確な定義はない。 スタイルは、局所的なテクスチャの配置を規定するグローバルな対称性のセットと考えるべきである。 局所的特徴とグローバル的特徴の両方を考慮し、リージェネレータと従来のテクスチャ尺度の両方を用いて、どちらの特徴セットよりもアーティスト間のスタイル的類似性を定量的に捉えることができることを示す。
  論文  参考訳（メタデータ） (2024-12-05T18:56:23Z)
• 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)
• 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)
• 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)
• Not Only Generative Art: Stable Diffusion for Content-Style Disentanglement in Art Analysis [23.388338598125195]
  五屋(ごや)は、近年の創作モデルで捉えた芸術的知識を蒸留して、内容や様式を乱す方法である。 実験により、合成された画像は、アートワークの実際の分布のプロキシとして十分に役立っていることが示された。
  論文  参考訳（メタデータ） (2023-04-20T13:00:46Z)

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。