論文の概要: ArtMine: Discovering and Formalizing Artistic Processes
- arxiv url: http://arxiv.org/abs/2607.08331v1
- Date: Thu, 09 Jul 2026 10:16:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-10 14:45:27.499592
- Title: ArtMine: Discovering and Formalizing Artistic Processes
- Title（参考訳）: ArtMine: アートプロセスの発見と形式化
- Authors: Kaustubh Kumar, Ashutosh Ranjan, Vivek Srivastava, Blessin Varkey, Shirish Karande,
- Abstract要約: ArtMineは異質な歴史的証拠から芸術過程を発見し、形式化するためのフレームワークである。
最終成果物だけでなく創造的なプロセスをモデリングすることによって、プロセス中心の人間とAIの共創造システムに向けた作業を進めます。
- 参考スコア（独自算出の注目度）: 0.8603232107584646
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Understanding how artworks are created requires reasoning about the iterative decisions, material operations, and contextual influences that shape artistic production. While recent generative AI systems can synthesize artworks with high fidelity, they primarily model distributions over finished artifacts rather than the creative processes underlying their creation. In practice, artistic workflows are only partially documented through fragmented sources such as archival records, preparatory studies, correspondence, etc., making process-level understanding difficult to formalize computationally. In this work, we introduce ArtMine, a framework for discovering and formalizing artistic processes from heterogeneous historical evidence. Our approach synthesizes heterogeneous artwork evidence into a structured repository, from which a Peircean abductive agent infers evidence-grounded production steps. These steps are converted into a compositional graph and rendering prompt, then optimized through self-reflection over deviations between the generated and reference artworks. We provide a preliminary proof-of-concept case study using open-domain historical sources across multiple artists and artistic movements, demonstrating that fragmented documentary evidence can support coherent, interpretable, and auditable representations of artistic workflows. By modeling creative processes rather than only final artifacts, our work moves toward process-centred human-AI co-creativity systems that can support artistic interpretation, creative education, reflective collaboration, and computational studies of cultural production.
- Abstract（参考訳）: アートワークの作り方を理解するには、反復的な決定、材料操作、そして芸術作品を形成する文脈の影響について推論する必要がある。
最近の生成AIシステムは、高い忠実度でアートワークを合成できるが、彼らは主に、作成の基盤となる創造的なプロセスではなく、完成したアーティファクトよりも分布をモデル化する。
実際には、芸術的なワークフローは、部分的にはアーカイブレコード、予備研究、通信など断片化されたソースを通してのみ文書化されており、プロセスレベルの理解を計算的に形式化するのが困難である。
本研究では,異質な歴史的証拠から芸術過程を発見・形式化するための枠組みであるArtMineを紹介する。
提案手法は異質なアートエビデンスを構造化されたレポジトリに合成し,そこからパーシーの誘引剤がエビデンスを基底とした生産過程を推定する。
これらのステップは合成グラフに変換され、描画プロンプトが生成したアートワークと参照アートワークの偏差に対する自己反射によって最適化される。
本稿では,複数のアーティストや芸術運動にまたがるオープンドメインの歴史的資料を用いた概念実証の予備的事例研究を行い,断片化された証拠が芸術的ワークフローの一貫性,解釈,監査可能な表現を支援することを実証する。
最終人工物だけでなく創造的プロセスをモデル化することによって、芸術的解釈、創造的教育、反射的協調、文化生産の計算的研究を支援するプロセス中心の人間とAIの共創造システムへと移行する。
関連論文リスト
- Enhancing Authorship Attribution with Synthetic Paintings [0.0]
本稿では,実データと合成データを組み合わせたハイブリッド手法を提案する。
実験結果から, 合成画像の追加は, 実際の絵画よりも高いROC-AUCと精度をもたらすことが示された。
論文 参考訳（メタデータ） (2026-03-04T18:00:42Z) - Loomis Painter: Reconstructing the Painting Process [56.713812157283805]
ステップバイステップの絵画チュートリアルは芸術的技法を学ぶのに不可欠であるが、既存のビデオリソースには対話性とパーソナライゼーションが欠如している。
セマンティクス駆動型スタイル制御機構を用いたマルチメディア描画プロセス生成のための統一的なフレームワークを提案する。
また、実際の絵画プロセスの大規模データセットを構築し、メディア間の整合性、時間的コヒーレンス、最終的なイメージの忠実性を評価する。
論文 参考訳（メタデータ） (2025-11-21T16:06:32Z) - A Critical Assessment of Modern Generative Models' Ability to Replicate Artistic Styles [0.0]
本稿では,現代生成モデルのスタイル再現能力を批判的に評価する。
これらのモデルは,構造的整合性と構成的バランスを維持しつつ,従来の芸術様式をいかに効果的に再現するかを検討する。
この分析は、過去の芸術スタイルを模倣したAI生成作品の大規模なデータセットに基づいている。
論文 参考訳（メタデータ） (2025-02-21T07:00:06Z) - PATCH: a deep learning method to assess heterogeneity of artistic practice in historical paintings [0.0]
ルネサンス期と近世の絵画は、主に見習いの工房を監督する師匠によって制作された。
異なるワークショップがどのように管理され、どのようにアートワークが作られたかは明らかになっていない。
論文 参考訳（メタデータ） (2025-02-04T01:05:12Z) - Diffusion-Based Visual Art Creation: A Survey and New Perspectives [51.522935314070416]
本調査は,拡散に基づく視覚芸術創造の新たな領域を探求し,その発展を芸術的,技術的両面から検討する。
本研究は,芸術的要件が技術的課題にどのように変換されるかを明らかにし,視覚芸術創造における拡散法の設計と応用を強調した。
我々は、AIシステムが芸術的知覚と創造性において人間の能力をエミュレートし、潜在的に増強するメカニズムに光を当てることを目指している。
論文 参考訳（メタデータ） (2024-08-22T04:49:50Z) - GalleryGPT: Analyzing Paintings with Large Multimodal Models [64.98398357569765]
美術品の分析は、個人の審美性を豊かにし、批判的思考能力を促進することができる芸術鑑賞のための重要かつ基本的な技術である。
アートワークを自動解析する以前の作業は、主に分類、検索、その他の単純なタスクに焦点を当てており、AIの目標とは程遠い。
LLaVAアーキテクチャに基づいて微調整されたGalleryGPTと呼ばれる,絵画解析のための優れた大規模マルチモーダルモデルを提案する。
論文 参考訳（メタデータ） (2024-08-01T11:52:56Z) - CreativeSynth: Cross-Art-Attention for Artistic Image Synthesis with Multimodal Diffusion [73.08710648258985]
レイアウト、視点、形状、意味といった重要な絵の属性は、しばしばスタイル転送によって伝達され、表現されない。
大規模な事前訓練された画像生成モデルは、大量の高品質な画像を合成できることを実証している。
我々の主要なアイデアは、スタイルを現実の世界に移すのではなく、多モーダルな意味情報を合成ガイドとしてアートに組み込むことである。
論文 参考訳（メタデータ） (2024-01-25T10:42:09Z) - Modeling Artistic Workflows for Image Generation and Editing [83.43047077223947]
与えられた芸術的ワークフローに従う生成モデルを提案する。
既存の芸術作品の多段画像編集だけでなく、多段画像生成も可能である。
論文 参考訳（メタデータ） (2020-07-14T17:54:26Z)
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。