論文の概要: Diamonds in the Sky: Pareidolic Animals in Clouds

• arxiv url: http://arxiv.org/abs/2606.01361v1
• Date: Sun, 31 May 2026 17:32:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.654582
• Title: Diamonds in the Sky: Pareidolic Animals in Clouds
• Title（参考訳）: 空のダイヤモンド:雲の中のペイリドリックな動物
• Authors: Miriam Horovicz, Yacov Hel-Or, Yael Moses,
• Abstract要約: 雲の中ではしばしば動物の形を見るが、これはパレイドリアとして知られる現象である。 我々は,人がクラウドで知覚する可能性のある動物を予測することを目的とした,AIベースの手法を提案する。 また, 個人が最初に認識しなかった場合でも, 特定の耳道動物を知覚する支援方法も導入した。
• 参考スコア（独自算出の注目度）: 2.8738899935229405
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: People often see animal shapes in clouds, a phenomenon known as pareidolia. We propose an AI-based method that aims to predict which animals people are likely to perceive in clouds, even though state-of-the-art recognition methods typically fail to detect such animals. Additionally, we introduce a method to assist individuals in perceiving specific pareidolic animals, even if they did not recognize them initially. Our approach uses a diffusion model to transform cloud segments into an animal shape that visually resemble the original cloud. This diffusion technique is inspired by the observation that the diffusion process succeeds only when the target animal resembles the shape of the cloud, and that subtle visual hints often suffice to help individuals recognize specific pareidolic animals. A generated image, successfully derived from the diffusion model, is then used to predict the pareidolic animal. Additionally, a short morphing video transitioning from the generated image back to the original cloud segment is employed to further enhance the human's perception of the pareidolic animals.
• Abstract（参考訳）: 雲の中ではしばしば動物の形を見るが、これはパレイドリアとして知られる現象である。 我々は、最先端の認識手法が通常そのような動物を検知できないにもかかわらず、人々がクラウドで知覚する可能性のある動物を予測することを目的としたAIベースの手法を提案する。 また,本研究では,当初認識していなかった個人に対して,特定の耳道動物を知覚する支援方法を紹介した。 我々のアプローチでは、拡散モデルを用いて、雲のセグメントを元の雲と視覚的に類似した動物の形に変換する。 この拡散法は、対象の動物が雲の形に似ている場合にのみ拡散過程が成功し、その微妙な視覚的ヒントが個人が特定の仮面動物を認識するのに十分である、という観察に着想を得たものである。 生成した画像は拡散モデルから導出され、パレドリック動物を予測するために使用される。 さらに、生成した画像から元の雲のセグメントに遷移する短いモーフィングビデオを用いて、ヒトの頭頂葉動物に対する知覚をさらに高めている。

関連論文リスト

• NeuralFur: Animal Fur Reconstruction From Multi-View Images [56.497408146667205]
  画像からリアルな動物の毛皮の形状を再構築することは、微細な細部、自己閉塞性、毛皮の外観に依存しているため、難しい作業である。 ストランドベース表現を用いた動物の高忠実度3次元毛皮モデリングのための,第1のマルチビューベース手法を提案する。
  論文  参考訳（メタデータ） (2026-01-18T16:46:38Z)
• Shape2Animal: Creative Animal Generation from Natural Silhouettes [14.338537127280402]
  本稿では, 雲, 石, 炎などの自然物シルエットを可塑性動物形として再解釈するためのShape2Animalフレームワークを提案する。 我々の自動フレームワークはまずオープン語彙セグメンテーションを行い、オブジェクトシルエットを抽出し、意味的に適切な動物概念を解釈する。 次に、入力形状に適合した動物画像を合成し、テキストと画像の拡散モデルを利用して、それを元のシーンにシームレスにブレンドする。
  論文  参考訳（メタデータ） (2025-06-25T17:04:08Z)
• The Art of Deception: Color Visual Illusions and Diffusion Models [55.830105086695]
  近年の研究では、人工ニューラルネットワーク(ANN)が視覚錯覚によっても騙せることが示されている。 拡散モデルにおいて視覚錯覚がどのように符号化されているかを示す。 また,テキスト・ツー・イメージ拡散モデルを用いて,現実的な画像に新たな視覚錯覚を生成する方法を示す。
  論文  参考訳（メタデータ） (2024-12-13T13:07:08Z)
• Seeing Faces in Things: A Model and Dataset for Pareidolia [30.389229814847102]
  Face pareidolia'は、他の無作為な刺激の中で、顔のような構造の知覚を記述する。 人間のアノテートしたパレドリックな顔を持つ5万個のウェブ画像からなる「モノの顔」の画像データセットを提示する。 動物の顔や人間の顔を検知する進化的な必要性は、このギャップのいくつかを説明できるかもしれない。
  論文  参考訳（メタデータ） (2024-09-24T14:50:21Z)
• Improving Diffusion Models for Authentic Virtual Try-on in the Wild [53.96244595495942]
  本稿では,キュレートされた衣服を身に着けている人のイメージをレンダリングする,イメージベースの仮想試行について考察する。 衣服の忠実度を改善し,仮想試行画像を生成する新しい拡散モデルを提案する。 本稿では,一対の人着画像を用いたカスタマイズ手法を提案する。
  論文  参考訳（メタデータ） (2024-03-08T08:12:18Z)
• MagicPony: Learning Articulated 3D Animals in the Wild [81.63322697335228]
  そこで本研究では,オブジェクトカテゴリのワンビュー画像から,この予測器を純粋に学習するMagicPonyを提案する。 その中核は、明瞭な形状と外観を暗黙的に表現し、神経磁場とメッシュの強さを組み合わせたものである。
  論文  参考訳（メタデータ） (2022-11-22T18:59:31Z)
• Sequence Information Channel Concatenation for Improving Camera Trap Image Burst Classification [1.94742788320879]
  カメラトラップは、生態系を乱すことなく、野生生物を自然の生息地で観察するために広く使用されている。 現在、世界中の様々な生態保護地域に大量のカメラトラップが配備されており、数十年にわたってデータを収集している。 既存のシステムは、画像が動物を含むかどうかを単一の画像から判断する分類を行う。 本研究では, チャネル間の3次元バースト画像とシーケンス情報を含むコンカレントマスクを用いて, ROC AUCを未知のカメラサイトからテストセットで20%改善することを示した。
  論文  参考訳（メタデータ） (2020-04-30T21:47:14Z)

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。