Impressionism
PulseAugur coverage of Impressionism — every cluster mentioning Impressionism across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
研究发现：AI模型难以区分艺术风格与艺术家
一项发表在arXiv上的新研究调查了CLIP等模型的冻结视觉嵌入是否真正理解艺术风格，还是仅仅识别个体艺术家。研究人员使用了一种艺术家无关的协议重新评估了风格分类，在该协议中，艺术家在训练过程中被排除在外，以防止分类器仅仅识别画家。准确率显著下降，尤其是在超现实主义方面，这表明当前的方法可能无法准确捕捉风格理解。该研究认为，必须进行艺术家无关的评估，以正确衡量这些嵌入中的风格理解能力。
-
AI图像生成在创造力和原创性方面受到质疑
一位Mastodon用户表示担忧，认为AI图像生成模型缺乏真正的创造力，他们认为AI只能复制现有作品，而不能创造新的艺术运动或风格。该用户质疑AI是否能在没有首先学习过文艺复兴或印象派等艺术运动，或没有学习过Picasso或Da Vinci等大师的画作的情况下，构思出这些艺术运动或以他们的风格进行绘画。这种观点表明，AI通过扼杀真正的创作来威胁文明。
-
绘画与摄影：影响与演变的历时性对话
本文探讨了绘画与摄影之间历史性的相互作用，指出摄影的发明最初在肖像和风景等领域取代了绘画。随着时间的推移，绘画朝着印象派和立体主义等新的表现形式演变，而摄影本身也开始被视为一种艺术形式，“新视觉”等运动强调了其独特的优势。文章还提到了当代画家如何与摄影互动，并以弗朗茨·格特施（Franz Gertsch）的展览为例，说明了这种持续的对话。
-
新框架IMPRESS利用双曲空间和扩散模型增强图少样本学习
研究人员开发了一个名为IMPRESS的新框架，以增强图少样本学习。该方法通过在双曲空间中学习节点表示来解决当前方法的局限性，双曲空间能更好地捕捉分层数据结构。此外，IMPRESS在元测试期间使用去噪扩散丰富目标分布，即使初始样本分布具有误导性，也能提高对新任务的适应性。该框架理论上提供了更紧密的泛化界限，并在基准数据集上展示了卓越的性能。