論文の概要: Back to Back with a Copy: A Computational Analysis of AI-Generated Visual Contemporary Art Pastiches

• arxiv url: http://arxiv.org/abs/2607.20127v1
• Date: Wed, 22 Jul 2026 13:30:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:38.091579
• Title: Back to Back with a Copy: A Computational Analysis of AI-Generated Visual Contemporary Art Pastiches
• Title（参考訳）: コピーによるバック・トゥ・バック:AIが生成した現代美術のパスティッシュの計算解析
• Abstract要約: 本稿では,現代美術品のペースト処理において,新たな生成モデルが優れているかを検討する。 我々は,12人の現代芸術家のオリジナルアートとAI生成したパスティッチのスタイル的類似性を分析する。
• 参考スコア（独自算出の注目度）: 0.7984696597255688
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The aim of this paper is twofold. First, it investigates whether newer generative models are getting better at pastiching contemporary artworks. Second, it explores the consistency of the multidimensional nature of stylistic evaluation across different LLMs. Building on previous work, we analyze stylistic similarity between AI generated pastiches and the original artworks of twelve contemporary artists. We used five complementary computer vision models to capture texture, color, semantics, composition, and perceptual features through cosine distance in high-dimensional embedding spaces. The distances obtained show that the newer image generation model that we used has produced pastiches with improved semantic alignment and greater diversity than the model used in previous work. However, it was slightly less performant on shallow features such as color, texture, and perceptual adherence. Our findings confirm that artistic style is inherently multidimensional, and measuring it does not depend on any spatial architecture. These quantitative findings are contextualized through feedback from human evaluators, which are the artists themselves.
• Abstract（参考訳）: 本論文の目的は2つある。 まず、新しい世代モデルが現代美術品の牧畜に長けているかどうかを調査する。 第2に、異なるLLM間のスタイリスティック評価の多次元的性質の整合性について検討する。 過去の研究に基づいて、AIが生成したパスティッシュと12人の現代アーティストのオリジナルアートのスタイル的類似性を分析する。 高次元埋め込み空間におけるコサイン距離を通してテクスチャ、色、意味、構成、知覚特徴を捉えるために、5つの相補的なコンピュータビジョンモデルを用いた。 得られた距離は,従来の研究よりも意味的アライメントが向上し,多様性が向上した,より新しい画像生成モデルが作成されたことを示している。 しかし, 色彩, テクスチャ, 知覚的付着といった浅質な特徴はわずかに低下していた。 本研究により, 芸術様式は本質的に多次元的であり, 空間構造に依存しないことが明らかとなった。 これらの定量的発見は、アーティスト自身である人間の評価者からのフィードバックによって文脈化される。

関連論文リスト

• Conducting Stylistic Analysis of Paintings through an Art-History Agent [0.0]
  絵画のスタイリスティック分析を自動化するAIフレームワークを提案する。 視覚変換器(ViT)を大量の絵画のコーパスにメタデータで訓練することにより,この美術史固有のデータを埋め込みとして符号化する。 大型言語モデル(LLM)は、関連するアートワークとその付随するキュレーターによるテキストを取得して、それらを記述に合成することによって、それぞれの特徴を解釈する。
  論文  参考訳（メタデータ） (2026-08-30T08:10:58Z)
• Does AI See like Art Historians? Interpreting How Vision Language Models Recognize Artistic Style [60.562013130566726]
  VLMの芸術的スタイル予測能力の基盤となるメカニズムを特徴付ける。 我々は、アートスタイルの予測を駆動する概念を特定するために、潜在空間分解アプローチを採用する。 スタイルの予測に無関係な概念が使われた場合、美術史家はその成功の可能性がある理由を特定した。
  論文  参考訳（メタデータ） (2026-03-11T17:49:45Z)
• The Art That Poses Back: Assessing AI Pastiches after Contemporary Artworks [0.8566349439189714]
  本研究では,ChatGPTの視覚的創造性に着目し,絵画,絵画,彫刻,インスタレーションなどのオリジナルアートワークを意図的に貼り付けることによって,ChatGPTの新たなイメージを生成する能力に着目した。 このプロセスにはルーマニア、ブルガリア、フランス、オーストリア、イギリスから12人のアーティストが参加し、それぞれ3つの作品に貢献し、AI生成バージョンに関する評価とコメントを依頼した。 この分析は、人間の評価と、オリジナル作品とAIによる作り直しの間の視覚的およびスタイリスティックな類似点や相違点を検出するための計算手法を組み合わせる。
  論文  参考訳（メタデータ） (2026-03-06T14:25:55Z)
• Style-Aware Gloss Control for Generative Non-Photorealistic Rendering [3.6258775536484347]
  学習モデルにおいて、光沢と芸術スタイルがどのように表現されるかを研究する。 我々は,我々のスタイルと光沢を意識した潜伏空間を潜伏拡散モデルに接続する軽量アダプタを提案する。
  論文  参考訳（メタデータ） (2026-02-18T17:05:23Z)
• Ar2Can: An Architect and an Artist Leveraging a Canvas for Multi-Human Generation [66.43387826787243]
  Ar2Canは、マルチヒューマンジェネレーションのためのアイデンティティレンダリングから空間計画を切り離す新しいフレームワークである。 アーキテクトモジュールは構造化されたレイアウトを予測し、各人がどこに現れるかを指定する。 アーティストモジュールは、空間的に接地された顔マッチング報酬によってガイドされたイメージを合成する。
  論文  参考訳（メタデータ） (2025-11-27T18:45:23Z)
• 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)
• Real-time Free-view Human Rendering from Sparse-view RGB Videos using Double Unprojected Textures [87.80984588545589]
  スパースビューのRGB入力からのリアルタイム自由視点人体レンダリングは、センサー不足と厳しい時間予算のために難しい課題である。 本稿では,2重非投影テクスチャについて述べる。その中心部では外観合成から粗い幾何学的変形推定を行う。
  論文  参考訳（メタデータ） (2024-12-17T18:57:38Z)
• Learning Artistic Signatures: Symmetry Discovery and Style Transfer [8.288443063900825]
  芸術様式の明確な定義はない。 スタイルは、局所的なテクスチャの配置を規定するグローバルな対称性のセットと考えるべきである。 局所的特徴とグローバル的特徴の両方を考慮し、リージェネレータと従来のテクスチャ尺度の両方を用いて、どちらの特徴セットよりもアーティスト間のスタイル的類似性を定量的に捉えることができることを示す。
  論文  参考訳（メタデータ） (2024-12-05T18:56:23Z)
• 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)
• Have Large Vision-Language Models Mastered Art History? [3.790400719319821]
  VLM(Vision-Language Models)が絵画のスタイル、作者、制作日を分類できるかどうかを検証する。 美術史家たちは長い間、芸術のユニークな側面を研究してきたが、スタイル予測はその分野の重要な要素であった。
  論文  参考訳（メタデータ） (2024-09-05T13:33:57Z)
• 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)
• Learning to Evaluate the Artness of AI-generated Images [64.48229009396186]
  アートスコア(ArtScore)は、アーティストによる本物のアートワークと画像がどの程度似ているかを評価するために設計されたメトリクスである。 我々は、写真とアートワークの生成のために事前訓練されたモデルを採用し、一連の混合モデルを生み出した。 このデータセットはニューラルネットワークのトレーニングに使用され、任意の画像の定量化精度レベルを推定する方法を学ぶ。
  論文  参考訳（メタデータ） (2023-05-08T17:58:27Z)
• ARCH++: Animation-Ready Clothed Human Reconstruction Revisited [82.83445332309238]
  任意の服装スタイルで3Dアバターを再構成する画像ベースARCH++を提案する。 再建されたアバターは、入力ビューから見える領域と見えない領域の両方において、アニメーションに対応しており、非常にリアルである。
  論文  参考訳（メタデータ） (2021-08-17T19:27:12Z)

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。