抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
新しいブランドのためのロゴを設計することは,設計者とクライアントの間の長くて面倒なバックアンドフォアプロセスである。本論文では,どの程度機械学習が設計者の創造的タスクを解決できるかを調べた。このために,著者らは,世界の広いウェブからクローラされた600k+ロゴのデータセット-LLDを構築した。このようなマルチモーダルデータに関するロゴ合成のための訓練一般加算ネットワーク(Gans)は,直接的ではなく,いくつかの最先端の方法に対するモード崩壊をもたらす。著者らは,クラスタリングを通して得られた合成ラベルの使用を提案し,GAN訓練を安定化し,CIFAR-10と画像に関するこのアプローチを検証し,その一般性を実証した。著者らは,もっともらしいロゴの高い多様性を生成することができて,インタラクティブな方法でロゴ設計作業を容易にするために潜在的宇宙探査技術を実証することができた。Gansは,クラスタ化を通して達成された合成ラベルによってマルチモーダルデータに対処することができて,著者らの結果は,ロゴ合成と操作のためのそのような技術の創造的可能性を示した。著者らのデータセットとモデルはhttps://data.vision.ee.ethz.ch/sagea/lld/で公開されている。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】