論文の概要: Moonworks Lunara Aesthetic Dataset

• arxiv url: http://arxiv.org/abs/2601.07941v2
• Date: Thu, 15 Jan 2026 18:27:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 13:33:41.328907
• Title: Moonworks Lunara Aesthetic Dataset
• Title（参考訳）: Moonworks Lunara Aesthetic Dataset
• Authors: Yan Wang, M M Sayeef Abdullah, Partho Hassan, Sabit Hassan,
• Abstract要約: データセットは、中東、北ヨーロッパ、東アジア、南アジアなど、様々な芸術様式にまたがっている。 全ての画像は、Moonworks Lunaraモデルを使って生成され、意図的に、異なる高品質の美的スタイルを具現化する。
• 参考スコア（独自算出の注目度）: 6.616467861837499
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The dataset spans diverse artistic styles, including regionally grounded aesthetics from the Middle East, Northern Europe, East Asia, and South Asia, alongside general categories such as sketch and oil painting. All images are generated using the Moonworks Lunara model and intentionally crafted to embody distinct, high-quality aesthetic styles, yielding a first-of-its-kind dataset with substantially higher aesthetic scores, exceeding even aesthetics-focused datasets, and general-purpose datasets by a larger margin. Each image is accompanied by a human-refined prompt and structured annotations that jointly describe salient objects, attributes, relationships, and stylistic cues. Unlike large-scale web-derived datasets that emphasize breadth over precision, the Lunara Aesthetic Dataset prioritizes aesthetic quality, stylistic diversity, and licensing transparency, and is released under the Apache 2.0 license to support research and unrestricted academic and commercial use.
• Abstract（参考訳）: このデータセットは、中東、北ヨーロッパ、東アジア、南アジアなど地域的に根ざした美学や、スケッチや油絵などの一般的なカテゴリーを含む様々な芸術様式にまたがる。 すべての画像は、Moonworks Lunaraモデルを使用して生成され、意図的に、区別された高品質の美的スタイルを具現化するために作られ、より高度な美的スコアを持つ第一級のデータセットが得られ、美学に焦点を当てたデータセットを超越し、より広いマージンで汎用的なデータセットが生成される。 それぞれの画像には、人間の修正したプロンプトと構造化されたアノテーションが伴い、健全なオブジェクト、属性、リレーションシップ、スタイリスティックな手がかりを共同で記述する。 Lunara Aesthetic Datasetは、精度よりも幅の広い大規模なWeb派生データセットとは異なり、美的品質、スタイリスティックな多様性、ライセンスの透明性を優先し、研究と制約のない学術的および商業的使用をサポートするためにApache 2.0ライセンス下でリリースされている。

関連論文リスト

• Moonworks Lunara Aesthetic II: An Image Variation Dataset [5.820233460850662]
  本稿では,現代画像生成・編集システムにおける文脈整合性の評価と学習を支援するデータセットLunara Aesthetic IIを紹介する。 このデータセットは、元来の芸術とMoonworksが作成した写真から派生した2,854枚のアンカーリンク式変奏器で構成されている。 Lunara Aesthetic IIは、画像生成とイメージ・ツー・イメージシステムにおいて、コンテキストの一般化、アイデンティティの保存、堅牢さのベンチマーク、微調整、分析を目的としている。
  論文  参考訳（メタデータ） (2026-02-02T05:37:28Z)
• Bridging Cognitive Gap: Hierarchical Description Learning for Artistic Image Aesthetics Assessment [51.40989269202702]
  審美的品質評価タスクは,AIGCの定量的評価システムの開発に不可欠である。 本研究では,記述生成による美的次元の分離を図った芸術的画像の美的評価フレームワークであるArtQuantを提案する。 提案手法は,従来のトレーニングの33%しか必要とせず,いくつかのデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-12-29T12:18:26Z)
• DEAR: Dataset for Evaluating the Aesthetics of RenderingDEAR: Dataset for Evaluating the Aesthetics of Rendering [3.4825648257080286]
  この研究は、画像描画スタイルの人間の美的判断をモデル化するために設計された新しいベンチマークデータセットを導入する。 このデータセットには、大規模なクラウドソーシングを通じて収集されたペアワイズ人間の選好スコアが含まれており、各画像ペアは、合計13,648人の異なる25人の評価者によって評価されている。 データ収集パイプラインが説明され、人間の投票パターンが分析され、スタイル選好予測、美的ベンチマーク、パーソナライズされた審美的モデリングなど、複数のユースケースが概説される。
  論文  参考訳（メタデータ） (2025-12-04T19:25:48Z)
• Compose Your Aesthetics: Empowering Text-to-Image Models with the Principles of Art [61.28133495240179]
  本稿では,ユーザが特定した美学をT2I生成出力と整合させることを目的とした,美学アライメントの新しい課題を提案する。 アートワークが美学にアプローチするための貴重な視点を提供する方法にインスパイアされた私たちは、構成的枠組みのアーティストが採用する視覚的美学を定式化した。 我々は,T2I DMが,ユーザが特定したPoA条件により10の合成制御を効果的に提供することを実証した。
  論文  参考訳（メタデータ） (2025-03-15T06:58:09Z)
• APDDv2: Aesthetics of Paintings and Drawings Dataset with Artist Labeled Scores and Comments [45.57709215036539]
  Aesthetics Paintings and Drawings dataset (APDD)は,24の異なる芸術カテゴリーと10の美的属性を含む最初の総合的な絵画コレクションである。 APDDv2は画像コーパスを拡張し、アノテーションの品質を改善し、詳細な言語コメントを特徴としている。 本稿では,ArtCLIP(Art Assessment Network for Specific Painting Styles)の改訂版について紹介する。
  論文  参考訳（メタデータ） (2024-11-13T11:46:42Z)
• Unlocking Comics: The AI4VA Dataset for Visual Understanding [62.345344799258804]
  本稿では,1950年代のフレンチ・ベルジアン漫画に,深度推定,セマンティックセグメンテーション,サリエンシ検出,キャラクタ識別などのタスクを注記した新しいデータセットを提案する。 2つの異なる一貫したスタイルで構成され、自然画像から得られたオブジェクトの概念とラベルを取り入れている。 このような多様な情報を含むことで、このデータセットは計算の創造性を約束するだけでなく、アートのデジタル化やストーリーテリングの革新のための道も提供します。
  論文  参考訳（メタデータ） (2024-10-27T14:27:05Z)
• AesExpert: Towards Multi-modality Foundation Model for Image Aesthetics Perception [74.11069437400398]
  我々は,21,904の多様なソースイメージと88Kの人間の自然言語フィードバックを備えたコーパスリッチな審美的批評データベースを開発した。 AesExpertと呼ばれる、マルチモダリティのAesthetic Expertモデルを実現するために、オープンソースの一般基盤モデルを微調整します。 実験により、提案したAesExpertモデルは、最先端のMLLMよりもはるかに優れた審美的知覚性能を提供することが示された。
  論文  参考訳（メタデータ） (2024-04-15T09:56:20Z)
• Towards Artistic Image Aesthetics Assessment: a Large-scale Dataset and a New Method [64.40494830113286]
  まず、Boldbrush Artistic Image dataset (BAID)という大規模なAIAAデータセットを紹介します。 そこで我々は,芸術的イメージを評価するために,スタイル特異的で汎用的な美的情報を効果的に抽出し,活用する新たな手法であるSAANを提案する。 実験により,提案手法は提案したBAIDデータセット上で既存のIAA手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-27T12:59:15Z)
• VILA: Learning Image Aesthetics from User Comments with Vision-Language Pretraining [53.470662123170555]
  ユーザからのコメントから画像美学を学習し、マルチモーダルな美学表現を学習するための視覚言語事前学習手法を提案する。 具体的には、コントラスト的および生成的目的を用いて、画像テキストエンコーダ-デコーダモデルを事前訓練し、人間のラベルなしでリッチで汎用的な美的意味学を学習する。 以上の結果から,AVA-Captionsデータセットを用いた画像の美的字幕化において,事前学習した美的視覚言語モデルよりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2023-03-24T23:57:28Z)
• 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)

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。