Design of a neural network-based automated style migration technique in digital media art
Notice bibliographique
Résumé
The continuous development of neural network makes the automated style migration technology also rise to a new height.This paper selects digital media art as the research field, constructs Cycle GAN, a cyclic consistent generative adversarial network structure applied to digital media art, on the basic framework of GAN, and optimizes it by adding bilinear interpolation and attention mechanism, so as to build up a style migration model for digital media art.In the style migration simulation experiment, the IS test values of this paper's model on the photo2vangogh and photo2monet datasets are 5.32 and 6.03, and the FID test values are 97.52 and 75.55, which are better than the other comparative models.Similarly, the optimized performance of FID, SSIM and PSNR values on the dataset is also better than other comparative models, and the style migration performance of the model is verified.Using the model of this paper to design a digital topography with Chinese traditional ink painting as the content, we explore the correlation between the design attributes of the style migration design works in digital media art and the audience's cognitive evaluation and overall perception.Among the design attributes, "plot relevance" (4.375) and "atmosphere rendering" (3.38) have the highest T-value, which is the most important influence on audience perception.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».