論文の概要: AI-Experiment: an augmented reality art project co-created with artificial intelligence
- arxiv url: http://arxiv.org/abs/2610.23903v1
- Date: Tue, 29 Sep 2026 19:20:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:40:27.082979
- Title: AI-Experiment: an augmented reality art project co-created with artificial intelligence
- Title（参考訳）: AI-Experiment:人工知能を併用した拡張現実アートプロジェクト
- Abstract要約: 本稿では,コンピュータ科学者と生成AIツールの相乗効果による物理アートワークの作成について述べる。
特定のアーティストのアートワークの写真に潜伏拡散モデルが微調整され、生成モデルが同様のスタイルで合成アートワークを生成する。
物理的なアーティファクトに加えて、一連の生成ビデオモデルでアートワークを活気づける拡張現実コンポーネントが追加された。
- 参考スコア（独自算出の注目度）: 4.326714095821599
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We describe the creation of a physical artwork that was performed in synergy between an artist, a computer scientist and generative AI tools. A latent diffusion model was finetuned on photographs of the artwork of the specific artist and the generative model then generated synthetic artworks in a similar style. From the generated artworks a subset was selected to be painted again with acrylic on canvas by the original artist. In addition to the physical artifact an augmented reality component was added which brings the artwork to life with a set of generative video models. Together with this paper we release part of the artwork (training data), the code that was deployed to generate the artwork as well as the augmented reality experience for arts, research and education under https://github.com/BernhardEgger/ARTimate
- Abstract（参考訳）: 本稿では,コンピュータ科学者と生成AIツールの相乗効果による物理アートワークの作成について述べる。
特定のアーティストのアートワークの写真に潜伏拡散モデルが微調整され、生成モデルが同様のスタイルで合成アートワークを生成する。
生成されたアートワークから、サブセットが元のアーティストによってキャンバスにアクリルで塗られるように選択された。
物理的なアーティファクトに加えて、一連の生成ビデオモデルでアートワークを活気づける拡張現実コンポーネントが追加された。
本稿では,アートワークの一部(トレーニングデータ)と,芸術,研究,教育のための拡張現実体験をhttps://github.com/BernhardEgger/ARTimateで公開する。
関連論文リスト
- ArtistAuditor: Auditing Artist Style Pirate in Text-to-Image Generation Models [61.55816738318699]
本稿では,テキスト・画像生成モデルにおける新しいデータ利用監査手法を提案する。
ArtistAuditorは、多彩なスタイルの表現を得るためにスタイル抽出器を使用し、アートワークをアーティストのスタイルのサンプリングとして扱う。
6つのモデルとデータセットの組み合わせによる実験結果は、ArtistAuditorが高いAUC値を達成可能であることを示している。
論文 参考訳（メタデータ） (2025-04-17T16:15:38Z) - Opt-In Art: Learning Art Styles Only from Few Examples [50.60063523054282]
ごく少数の例を考慮すれば,絵画を使わずに訓練されたモデルを芸術的なスタイルに適応させることが可能であることを示す。
意外なことに, 芸術的データに事前に触れることなく, 高品質な芸術的アウトプットを達成できることが示唆された。
論文 参考訳（メタデータ） (2024-11-29T18:59:01Z) - AI Art Neural Constellation: Revealing the Collective and Contrastive
State of AI-Generated and Human Art [36.21731898719347]
我々は、人間の芸術遺産の文脈内でAI生成芸術を位置づけるための包括的な分析を行う。
私たちの比較分析は、ArtConstellationと呼ばれる広範なデータセットに基づいています。
鍵となる発見は、1800-2000年に作られた現代美術の原理とAIが生成したアートアートが視覚的に関連していることである。
論文 参考訳（メタデータ） (2024-02-04T11:49:51Z) - Foregrounding Artist Opinions: A Survey Study on Transparency, Ownership, and Fairness in AI Generative Art [0.0]
生成AIツールは、アートのようなアウトプットを作成し、時には創造的なプロセスを支援するために使用される。
我々は459人のアーティストを調査し、ジェネレーティブAIアートの潜在的有用性と害に関するアーティストの意見の緊張関係を調査した。
論文 参考訳（メタデータ） (2024-01-27T20:22:46Z) - 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) - 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)
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。