論文の概要: Special and General Computational Aesthetics

• arxiv url: http://arxiv.org/abs/2611.01626v1
• Date: Sun, 01 Nov 2026 06:19:21 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:16:09.58624
• Title: Special and General Computational Aesthetics
• Title（参考訳）: 特殊・一般計算美学
• Abstract要約: コンピュータ美学(Computational aesthetics)は、コンピュータ科学、人工知能、審美学、その他の分野の交差する分野である。 我々は、その内部構造と近隣の概念との関係を分析する。
• 参考スコア（独自算出の注目度）: 8.14546715150268
• License:
• Abstract: Computational aesthetics is a field at the intersection of computer science, artificial intelligence, aesthetics, and other disciplines. As AI has developed, the field has formed relations of inclusion, intersection, or support with computational art, AI art, AI aesthetics, AI-generated content (AIGC), computational creativity, affective computing, and neuroaesthetics. Without distinguishing scope, objectives, and methods, it may be narrowed to image aesthetic quality assessment or expanded into an umbrella term for AI's involvement in art. We analyze its internal structure and its relations with neighboring concepts, and propose a two-level scope: special computational aesthetics (SCA) and general computational aesthetics (GCA). SCA centers on aesthetic measurement and aesthetic process modeling. The former primarily corresponds to "Aesthetic Perception": computationally identifying and representing aesthetic attributes and predicting human aesthetic evaluations; the latter primarily to "Aesthetic Understanding": computationally describing, testing, and explaining how human aesthetic perception and judgment are formed. GCA extends this core to include "Aesthetic Generation," namely artistic generation guided by computational aesthetic models. Some computational aesthetic tasks can also use non-AI methods. Research in this scope using AI algorithms and models we define as AI aesthetics, which may involve the special core and the general extension. "Aesthetic Generation" intersects with AIGC, AI art, and computational creativity, but belongs to the general extension defined here only when computational aesthetic models substantively constrain, guide, or optimize artwork generation. We also draw on Feng Peng's discussion of the computability of beauty, aesthetic experience, and art as a theoretical reference for clarifying boundaries between computational aesthetics and related concepts.
• Abstract（参考訳）: コンピュータ美学(Computational aesthetics)は、コンピュータ科学、人工知能、審美学、その他の分野の交差する分野である。 AIが発展するにつれて、この分野は、包摂性、交差性、あるいはコンピュータアート、AIアート、AI美学、AIGC、計算創造性、感情コンピューティング、神経美学と関係を築き上げてきた。 スコープ、目的、方法を区別せずに、美的品質の評価を画像化したり、AIの芸術への関与の傘語に拡張したりすることができる。 本稿では,その内部構造と周辺概念との関係を解析し,特殊な計算美学(SCA)と一般計算美学(GCA)という2段階のスコープを提案する。 SCAは美的計測と美的プロセスモデリングに重点を置いている。 前者は、主に「美的知覚」、すなわち、人間の美的属性を特定して表現し、人間の美的評価を予測すること、後者は「美的理解」、すなわち、人間の美的知覚と判断をどのように形成するかを計算的に記述し、テストし、説明することである。 GCAはこのコアを「美的生成」、すなわち計算美学モデルによって導かれる芸術的生成を含むように拡張している。 一部の計算美的タスクは非AIメソッドも使用することができる。 このスコープでは、AIアルゴリズムとモデルを使用して、特別なコアと一般的な拡張を含むAI美学として定義する。 美的生成」はAIGC、AIアート、計算創造性と交差するが、ここで定義される一般的な拡張は、計算美的モデルが芸術的生成を瞬時に制約したり、ガイドしたり、最適化したりする場合にのみ含まれる。 また、Feng Pengの美学、審美経験、芸術の計算可能性に関する議論を、計算美学と関連する概念の境界を明確にするための理論的基準として取り上げている。

関連論文リスト

• AUV-Bench: Aesthetic Understanding and Generation Evaluation for User Interfaces [68.93050284701197]
  専門的なデザインの実践では、デザイナーは、判断、診断、修復、創造を一貫して導く審美原則の体系的なセットに依存している。 しかし、既存の評価は、通常、これらの能力を単独で評価し、タスクレベルの成功が共通の美的理解を反映しているかどうかを判断することは困難である。 AUV-Benchは,1,395の実行可能なWebインターフェースと,美的評価,診断,修復,テキスト・ツー・UI生成という4つのタスクを中心に,プロのUIデザイナと共同で開発された。
  論文  参考訳（メタデータ） (2026-09-28T10:46:37Z)
• How AI Experiences Art: Emergent Aesthetic Structure in a Self-Supervised Multimodal Embedding Space [0.0]
  我々は、AIモデルが、明示的なラベルやクロスモーダルな監督なしに、人為的なメディアの審美的分類を形成する方法を示す。 256次元の埋め込み空間に4つのモード(テキスト,音声,画像,ビデオ)を投影する自己教師型フレームワークを提案する。 弱教師付きマルチモーダルデータセット上で、AI生成クラスタ割り当てと人間の感情的レジスタラベルのばらつきについて論じる。
  論文  参考訳（メタデータ） (2026-08-27T13:34:18Z)
• Advances in Art: Orthogonal Disruption and the Beauty in Schematics [0.0]
  本稿では,人工知能に対する弁証的応答に現れる芸術的規律であるオルソゴン芸術を紹介する。 AIによって強化された創造的なプラクティスとは異なり、オルソゴンアートは、現在のAIシステムがアクセスできない生成的および概念的空間を占有することによって構造的に定義される。
  論文  参考訳（メタデータ） (2026-03-25T09:40:46Z)
• 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)
• Bridging Cognitive Gap: Hierarchical Description Learning for Artistic Image Aesthetics Assessment [51.40989269202702]
  審美的品質評価タスクは,AIGCの定量的評価システムの開発に不可欠である。 本研究では,記述生成による美的次元の分離を図った芸術的画像の美的評価フレームワークであるArtQuantを提案する。 提案手法は,従来のトレーニングの33%しか必要とせず,いくつかのデータセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-12-29T12:18:26Z)
• Representing Beauty: Towards a Participatory but Objective Latent Aesthetics [51.56484100374058]
  美的コンテンツが、モデル間でより類似し、整合した表現をいかに生み出すかを示す。 我々は、人間の知覚的・創造的な行為が、深層学習システムのこれらの潜伏した空間を形成する上で、中心的な役割を担っていると論じる。 以上の結果から,人間と機械の共創は可能ではなく基礎的なものであることが示唆された。
  論文  参考訳（メタデータ） (2025-10-03T10:09:37Z)
• 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)
• Unveiling The Factors of Aesthetic Preferences with Explainable AI [0.0]
  本研究では,機械学習(ML)モデルを用いて,新しい視点を開拓する。 我々のモデルはこれらの属性を入力として処理し、画像の美的スコアを予測する。 本研究の目的は,画像における審美的嗜好の複雑な性質をMLを通して明らかにし,審美的判断に影響を及ぼす属性をより深く理解することである。
  論文  参考訳（メタデータ） (2023-11-24T11:06:22Z)
• Detecting Visual Design Principles in Art and Architecture through Deep Convolutional Neural Networks [0.0]
  本研究の目的は、異なるドメインに対する設計原則を認識し、分類するニューラルネットワークモデルである。 提案したモデルは,その基盤となる共有パターンをキャプチャして,原設計の無数の知識から学習する。
  論文  参考訳（メタデータ） (2021-08-09T14:00:17Z)

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。