要約
この論文では、深層学習、フラクタル解析、乱流特徴抽出技術を融合してポロック風の抽象芸術作品を作成する革新的なアプローチを提案します。
画像のコンテンツとスタイルの特徴は、MindSpore 深層学習フレームワークと事前トレーニングされた VGG19 モデルによって抽出されます。
次に、最適化プロセスが採用されます。この方法では、コンテンツの損失、スタイルの損失、および完全な分散損失を組み合わせて高品質のポロック スタイルの画像を生成し、正確なスタイルの移行を実現します。
さらに、本論文は、エッジ抽出とフラクタル解析を通じて画像のフラクタル次元を効果的に推定する差分ボックスカウンティング法に基づくフラクタル次元計算方法を実装します。
この方法は、ハール ウェーブレットを使用して画像を分解し、さまざまな周波数情報を抽出する 2 次元離散ウェーブレット変換に基づいています。
続いて、複数の機能を組み合わせて、デジタル アートワークの認証と保護のための一意の非同種トークン (NFT) ラベルを生成します。
実験結果は、生成されたアートワークがフラクタル次元と乱流特徴の点で顕著な多様性と複雑性を示し、生成された NFT タグが各デジタル コレクションの独自性と改ざん可能性を保証することを示しています。
この方法は、コンピュータ ビジョン、デジタル信号処理、ブロックチェーン技術を有機的に組み合わせて、デジタル アートワークの作成と認証のための新しいソリューションを提供します。
要約(オリジナル)
This paper puts forth an innovative approach that fuses deep learning, fractal analysis, and turbulence feature extraction techniques to create abstract artworks in the style of Pollock. The content and style characteristics of the image are extracted by the MindSpore deep learning framework and a pre-trained VGG19 model. An optimisation process is then employed to The method generates high-quality Pollock-style images by combining content loss, style loss and full variance loss to achieve accurate style migration. Furthermore, this paper implements a fractal dimension calculation method based on the difference box-counting method, which effectively estimates the fractal dimension of an image through edge extraction and fractal analysis. The method is based on a two-dimensional discrete wavelet transform using a Haar wavelet to decompose the image in order to extract different frequency information. This is followed by the combination of multiple features to generate unique non-homogeneous token (NFT) labels for the authentication and protection of digital artwork. The experimental results demonstrate that the generated artworks exhibit The method demonstrates significant diversity and complexity in terms of fractal dimensions and turbulence features, while the generated NFT tags ensure the uniqueness and tamperability of each digital collection. The present method organically combines computer vision, digital signal processing and blockchain technology to provide a new solution for the creation and authentication of digital artworks.
arxiv情報
著者 | Yiquan Wang,Xu Wang,Jiazhuo Pan |
発行日 | 2024-10-29 15:18:47+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google