論文の概要: Moonworks Lunara: Modeling Artistic Intelligence

• arxiv url: http://arxiv.org/abs/2609.22272v1
• Date: Fri, 11 Sep 2026 01:50:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.812953
• Title: Moonworks Lunara: Modeling Artistic Intelligence
• Title（参考訳）: Moonworks Lunara: アートインテリジェンスをモデル化
• Abstract要約: 我々は、探究駆動の世界実現として、EmphArtistic Intelligenceを定式化する。 Moonworks Lunaraはテキスト・トゥ・イメージ・モデルであり、新しいDiffusion Mixture Transformerアーキテクチャでこのフレームワークを実装している。 我々はLunaraをFLUX.2-Klein-4B、Qwen-Image (20B)、GPT-Image-1-Miniを含む7つの画像生成モデルと比較した。
• 参考スコア（独自算出の注目度）: 5.31345856042324
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We formulate \emph{Artistic Intelligence} as exploration driven world realization, leaving space for creative possibility while preserving the semantic, artistic, and compositional structure that must remain true. Moonworks Lunara, a text-to-image model, implements this framework with a novel Diffusion Mixture Transformer architecture. A new training algorithm iteratively evolves the data distribution through informative sample acquisition and targeted injection of human-created art. We benchmark Lunara against seven image-generation models, including FLUX.2-Klein-4B, Qwen-Image (20B), and GPT-Image-1-Mini. With GPT-5.6 Sol as evaluator, Lunara ranks first in \emph{Aesthetic Quality (8.473 vs. 8.457 GPT-Image-1-mini)}, second in \emph{Emotional Resonance}, and remains competitive in \emph{Content Integrity}. A blind human evaluation over the same evaluation set corroborates the automated metrics, ranking Lunara first. It also stays among the strongest models under conventional measures including CLIPScore and LAION Aesthetic Predictor. On GenEval, Lunara achieves competitive performance against a broader set of 16 models, including GPT Image 2 and Seedream 4.0. These results place Lunara at the frontier with Artistic Intelligence while maintaining a sub-10B active-parameter footprint and sub-10-second inference latency. Lunara advances the general visual intelligence frontier by shifting the question from whether models can get images right to how deeply they can interpret meaning and realize it as imaginative, expressive worlds.
• Abstract（参考訳）: 我々は、探究駆動の世界実現として『emph{Artistic Intelligence}』を定式化し、創造的可能性のために空間を残しながら、真でなければならない意味的、芸術的、構成的構造を保存する。 Moonworks Lunaraはテキスト・トゥ・イメージ・モデルであり、新しいDiffusion Mixture Transformerアーキテクチャでこのフレームワークを実装している。 新しいトレーニングアルゴリズムは、情報的サンプル取得と人為的アートのターゲット注入を通じて、データ配信を反復的に進化させる。 我々はLunaraをFLUX.2-Klein-4B、Qwen-Image (20B)、GPT-Image-1-Miniを含む7つの画像生成モデルと比較した。 GPT-5.6 ソルを評価対象とし、ルナラは第一に \emph{Aesthetic Quality (8.473 vs. 8.457 GPT- Image-1-mini)}、第二に \emph{Emotional Resonance} にランクインし、第二に \emph{Content Integrity} にランクインしている。 同じ評価セットに対する盲人評価は、自動化されたメトリクスを裏付け、最初にLunaraをランク付けする。 また、CLIPScoreやLAION Aesthetic Predictorといった従来の指標の下では最強のモデルである。 GenEvalでは、LunaraはGPT Image 2やSeedream 4.0など、より広範な16モデルの競合性能を達成した。 これらの結果は、LunaraをArtific Intelligenceのフロンティアに配置し、サブ10Bのアクティブパラメータフットプリントとサブ10秒の推論レイテンシを維持した。 ルナラは、モデルがいかに深く意味を解釈し、想像力のある表現力のある世界として認識できるかという問題から、一般的な視覚知能のフロンティアを進化させる。

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)
• MoonMetaSync: Lunar Image Registration Analysis [1.5371340850225041]
  本稿では,新しい特徴検出器であるIntFeatとともに,SIFT(Scale-incubic)とORB(Scale-variant)の特徴検出法を比較した。 本研究では,低 (128x128) と高分解能 (1024x1024) の月面画像パッチを用いてこれらの手法の評価を行い,地球外環境への挑戦において,その性能について考察した。 IntFeatはSIFTの高レベルな特徴とORBの低レベルな特徴を組み合わせることで、堅牢な月面画像登録を実現する。
  論文  参考訳（メタデータ） (2024-10-14T22:05:48Z)
• Evaluating Image Hallucination in Text-to-Image Generation with Question-Answering [13.490305443938817]
  我々は,新しい評価指標であるI-HallA (Image Hallucination Evaluation with Question Answering)を紹介する。 I-HallAは視覚的質問応答(VQA)を用いて生成画像の事実性を測定する I-HallAを用いて5つのTTIモデルを評価し、これらの最先端モデルが事実情報を正確に伝達できないことを明らかにする。
  論文  参考訳（メタデータ） (2024-09-19T13:51:21Z)
• Information Theoretic Text-to-Image Alignment [49.396917351264655]
  相互情報(MI)は、モデルアライメントのガイドに使用される。 本手法は,自己教師型微調整を用いて,プロンプトと画像間のポイントワイド(MI)推定に依存する。 解析の結果,本手法は最先端の手法よりも優れているが,MIを推定するにはT2Iモデル自体の事前学習されたデノナイジングネットワークが必要であることが示唆された。
  論文  参考訳（メタデータ） (2024-05-31T12:20:02Z)
• ArtGPT-4: Towards Artistic-understanding Large Vision-Language Models with Enhanced Adapter [19.830089364830066]
  ArtGPT-4は、芸術的理解における既存のモデルの限界に対処するために設計された大きな視覚言語モデルである。 芸術的理解で画像を描画し、それらが刺激する感情を伝え、人間の解釈を反映する。
  論文  参考訳（メタデータ） (2023-05-12T14:04:30Z)
• Learning 3D Photography Videos via Self-supervised Diffusion on Single Images [105.81348348510551]
  3D写真は、静止画を3D視覚効果のあるビデオにレンダリングする。 既存のアプローチは通常、まず単眼深度推定を行い、次に様々な視点で入力フレームを後続のフレームに描画する。 我々は、入力オブジェクトの空間と時間を拡張する、新しいタスク、out-animationを提案する。
  論文  参考訳（メタデータ） (2023-02-21T16:18:40Z)

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。