論文の概要: ParamExplorer: A framework for exploring parameters in generative art

• arxiv url: http://arxiv.org/abs/2512.16529v1
• Date: Thu, 18 Dec 2025 13:37:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:32.076655
• Title: ParamExplorer: A framework for exploring parameters in generative art
• Title（参考訳）: ParamExplorer: ジェネレーティブアートのパラメータを探索するフレームワーク
• Authors: Julien Gachadoat, Guillaume Lagarde,
• Abstract要約: ParamExplorerは、生成的アートアルゴリズムにおけるパラメータ空間の探索を支援する。 このフレームワーク内で、エージェントと呼ばれるいくつかの探索戦略を実装し、評価する。
• 参考スコア（独自算出の注目度）: 4.46895288699085
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative art systems often involve high-dimensional and complex parameter spaces in which aesthetically compelling outputs occupy only small, fragmented regions. Because of this combinatorial explosion, artists typically rely on extensive manual trial-and-error, leaving many potentially interesting configurations undiscovered. In this work we make two contributions. First, we introduce ParamExplorer, an interactive and modular framework inspired by reinforcement learning that helps the exploration of parameter spaces in generative art algorithms, guided by human-in-the-loop or even automated feedback. The framework also integrates seamlessly with existing p5.js projects. Second, within this framework we implement and evaluate several exploration strategies, referred to as agents.
• Abstract（参考訳）: 生成的アートシステムは、審美的に説得力のある出力が小さな断片化された領域のみを占める、高次元かつ複雑なパラメータ空間を含むことが多い。 この組み合わせによる爆発のため、アーティストは通常手動による大規模な試行錯誤を頼りにしており、多くの潜在的に興味深い構成が発見されていない。 この作業では2つのコントリビューションを行います。 まず、ParamExplorerを紹介します。これは強化学習にインスパイアされたインタラクティブでモジュラーなフレームワークで、生成的アートアルゴリズムにおけるパラメータ空間の探索を支援します。 フレームワークは既存のp5.jsプロジェクトとシームレスに統合される。 第2に,本フレームワークではエージェントと呼ばれるいくつかの探索戦略を実装し,評価する。

関連論文リスト

• Visual Exploration of Feature Relationships in Sparse Autoencoders with Curated Concepts [8.768503486874623]
  利用可能なすべての機能を同時に視覚化する試みよりも、キュレートされた概念とその対応するSAE機能を優先する集中探索フレームワークを提案する。 本稿では,トポロジに基づく視覚符号化と次元の縮小を組み合わせ,局所的・グローバル的関係を忠実に表現するインタラクティブな可視化システムを提案する。
  論文  参考訳（メタデータ） (2025-11-08T15:36:57Z)
• OPEN-THEATRE: An Open-Source Toolkit for LLM-based Interactive Drama [62.00761178362677]
  Open-Theatreは、LLMベースのインタラクティブドラマを体験し、カスタマイズするための最初のオープンソースツールキットである。 効率的なマルチエージェントアーキテクチャと階層型検索ベースのメモリシステムによる事前処理を洗練する。
  論文  参考訳（メタデータ） (2025-09-20T14:53:14Z)
• ArtGS: Building Interactable Replicas of Complex Articulated Objects via Gaussian Splatting [66.29782808719301]
  コンピュータビジョンにおいて、音声で表現されたオブジェクトを構築することが重要な課題である。 既存のメソッドは、しばしば異なるオブジェクト状態間で効果的に情報を統合できない。 3次元ガウスを柔軟かつ効率的な表現として活用する新しいアプローチであるArtGSを紹介する。
  論文  参考訳（メタデータ） (2025-02-26T10:25:32Z)
• MapExplorer: New Content Generation from Low-Dimensional Visualizations [60.02149343347818]
  低次元の可視化や「投影マップ」は大規模で複雑なデータセットの解釈に広く用いられている。 これらの視覚化は、既存の知識空間を理解するのに役立つだけでなく、未知の領域への探索を暗黙的にガイドする。 プロジェクションマップ内の座標をコヒーレントでコンテキストに整合したテキストコンテンツに変換する新しい知識発見タスクであるMapExplorerを紹介する。
  論文  参考訳（メタデータ） (2024-12-24T20:16:13Z)
• Searching a High-Performance Feature Extractor for Text Recognition Network [92.12492627169108]
  優れた特徴抽出器を持つための原理を探求し,ドメイン固有の検索空間を設計する。 空間は巨大で複雑な構造であるため、既存のNASアルゴリズムを適用することはできない。 本研究では,空間内を効率的に探索する2段階のアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-09-27T03:49:04Z)
• Curious Exploration via Structured World Models Yields Zero-Shot Object Manipulation [19.840186443344]
  そこで本研究では,制御ループに帰納バイアスを組み込む構造的世界モデルを用いて,サンプル効率の高い探索を実現することを提案する。 提案手法は,早期にオブジェクトと対話し始める自由プレイ動作を生成し,時間とともにより複雑な動作を発達させる。
  論文  参考訳（メタデータ） (2022-06-22T22:08:50Z)
• Searching for Designs in-between [5.837881923712394]
  最適化と探索を組み合わせた設計のための進化的システムを導入する。 本手法は,3次元オブジェクトを生成可能な生物学的にインスパイアされた生成システムを用いて試験する。 高度に適合したアーティファクトを進化させ,審美的に興味深いアーティファクトと組み合わせることで,システムの能力について検討する。
  論文  参考訳（メタデータ） (2021-02-11T06:44:42Z)
• Progressive growing of self-organized hierarchical representations for exploration [22.950651316748207]
  中心的な課題は、発見された構造の地図を段階的に構築するために、どのように表現を学ぶかである。 永続的な表現を構築し、探索プロセスを通して破滅的な忘れ物を避けることを目的としている。 第三に、エージェントの発見を粗い方法で構造化できる表現をターゲットとする。
  論文  参考訳（メタデータ） (2020-05-13T15:24:42Z)
• Learning to Move with Affordance Maps [57.198806691838364]
  物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。 従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。 学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
  論文  参考訳（メタデータ） (2020-01-08T04:05:11Z)

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。