論文の概要: Harnessing Self-Supervised Features for Art Classification

• arxiv url: http://arxiv.org/abs/2605.18974v1
• Date: Mon, 18 May 2026 18:00:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.904348
• Title: Harnessing Self-Supervised Features for Art Classification
• Title（参考訳）: 美術品分類における自己監督的特徴の調和
• Authors: Federico Melis, Davide Bilardello, Emanuele Prato, Evelyn Turri, Lorenzo Baraldi,
• Abstract要約: 美術品の分類は、きめ細かい細部と抽象的な特徴の複雑な相互作用のために重要な課題である。 本稿では, 美術品の分類と検索において, 教師付き, 自己監督型バックボーンの有効性について, 体系的に検討した。
• 参考スコア（独自算出の注目度）: 6.193074790121984
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Classifying artworks presents a significant challenge due to the complex interplay of fine-grained details and abstract features that condition the style or genre of an artwork. This paper presents a systematic investigation of the effectiveness of supervised and self-supervised backbones as feature extractors for both artwork classification and retrieval, with a particular focus on paintings. We conduct an extensive experimental evaluation using the DINO family and CLIP models, assessing multiple classification strategies and feature representations. Our results demonstrate that employing a self-supervised backbone leads to consistent improvements in artwork classification performance. Moreover, our work provides insights into the applicability of classification and retrieval modules in real-world applications, such as virtual reality (VR) applications that support museum navigation.
• Abstract（参考訳）: 美術品の分類は、芸術品のスタイルやジャンルを規定する細かな細部と抽象的な特徴の複雑な相互作用のために重要な課題である。 本稿では,絵画に焦点をあてた美術品の分類と検索のための特徴抽出器として,教師付きおよび自己監督型バックボーンの有効性を体系的に検討する。 我々はDINOファミリーとCLIPモデルを用いて広範囲な実験評価を行い、複数の分類戦略と特徴表現を評価した。 その結果,自己教師付きバックボーンを用いることで,アートワークの分類性能が一貫した改善が得られた。 さらに,本研究は,美術館ナビゲーションをサポートするバーチャルリアリティ(VR)アプリケーションなど,現実世界のアプリケーションにおける分類・検索モジュールの適用性に関する知見を提供する。

関連論文リスト

• Learning Task-Agnostic Representations through Multi-Teacher Distillation [59.488314181423284]
  本稿では,「多数決」目的関数に基づくタスク非依存フレームワークを提案する。 この機能は,学生と教師の埋め込みの相互情報に縛られていることを実証する。 提案手法は,教師の多様性を効果的に活用し,多様な下流タスクのパフォーマンス向上を実現する。
  論文  参考訳（メタデータ） (2025-10-21T14:36:33Z)
• A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
  画像復元(IR)は、ノイズ、ぼかし、圧縮、悪天候など幅広い要因によって生じる劣化した観察から高品質な画像の復元を目指している。 従来のIR法は、個々の劣化タイプを対象とすることで顕著な進歩を遂げてきたが、それらの特殊化は、しばしば一般化のコストがかかる。 オールインワンのイメージ復元パラダイムが最近登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供している。
  論文  参考訳（メタデータ） (2024-10-19T11:11:09Z)
• Style-based Clustering of Visual Artworks and the Play of Neural Style-Representations [2.4374097382908477]
  スタイルに基づくクラスタリングアートは、アートレコメンデーションやスタイルベースの検索、検索など、現実世界の多くのアプリケーションを提供できる。 スタイルに基づいたクラスタリングアートワークは,主に非適応的な問題である,と我々は主張する。
  論文  参考訳（メタデータ） (2024-09-12T17:44:07Z)
• Zero-Shot Object-Centric Representation Learning [72.43369950684057]
  ゼロショット一般化のレンズによる現在の対象中心法について検討する。 8つの異なる合成および実世界のデータセットからなるベンチマークを導入する。 多様な実世界の画像のトレーニングにより、見えないシナリオへの転送性が向上することがわかった。
  論文  参考訳（メタデータ） (2024-08-17T10:37:07Z)
• An Information Compensation Framework for Zero-Shot Skeleton-based Action Recognition [49.45660055499103]
  ゼロショットの人間の骨格に基づく行動認識は、トレーニング中に見られるカテゴリ外の行動を認識するモデルを構築することを目的としている。 従来の研究では、シーケンスの視覚的空間分布と意味的空間分布の整合性に焦点が当てられていた。 強固で頑健な表現を得るために,新たな損失関数サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2024-06-02T06:53:01Z)
• Exploiting CLIP-based Multi-modal Approach for Artwork Classification and Retrieval [29.419743866789187]
  我々は、Web上の公開リソースからクロールされたアート画像のデータセットであるNoisyArtデータセットに対して、徹底的な実験を行う。 このようなデータセット上でCLIPは、(ゼロショット)分類に関する印象的な結果と、アート・トゥ・アートワークと記述・トゥ・アートドメインの両方において有望な結果を達成する。
  論文  参考訳（メタデータ） (2023-09-21T14:29:44Z)
• Knowledge-Aware Prompt Tuning for Generalizable Vision-Language Models [64.24227572048075]
  本稿では,視覚言語モデルのためのKnowledge-Aware Prompt Tuning(KAPT)フレームワークを提案する。 我々のアプローチは、人間の知性からインスピレーションを得ており、外部知識は、通常、オブジェクトの新たなカテゴリを認識するために組み込まれています。
  論文  参考訳（メタデータ） (2023-08-22T04:24:45Z)
• Leveraging Computer Vision Application in Visual Arts: A Case Study on the Use of Residual Neural Network to Classify and Analyze Baroque Paintings [0.0]
  本稿ではヨハン・クペツキーの「画家シャルル・ブルニの肖像」の分類に焦点をあてる。 残余ネットワークトレーニングで抽出した特徴は,オンラインアートコレクションの検索システム内での画像検索に有用であることを示す。
  論文  参考訳（メタデータ） (2022-10-27T10:15:36Z)
• An Empirical Investigation of Representation Learning for Imitation [76.48784376425911]
  視覚、強化学習、NLPにおける最近の研究は、補助的な表現学習の目的が、高価なタスク固有の大量のデータの必要性を減らすことを示している。 本稿では,表現学習アルゴリズムを構築するためのモジュラーフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-16T11:23:42Z)
• Representation-Centric Survey of Skeletal Action Recognition and the ANUBIS Benchmark [43.00059447663327]
  3Dスケルトンに基づく人間の行動認識は、従来のRGBや深さに基づくアプローチの強力な代替手段として登場した。 目覚ましい進歩にもかかわらず、現在の研究は様々な入力表現で断片化されている。 ANUBISは、既存のベンチマークで重要なギャップに対処するために設計された、大規模で挑戦的なスケルトンアクションデータセットである。
  論文  参考訳（メタデータ） (2022-05-04T14:03:43Z)

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。