Evitando las Limitaciones Intrínsecas en los Conjuntos de Datos Utilizados para Medir la Estética al Usar un Enfoque de Aprendizaje Automático
Autores: Carballal, Adrian; Fernandez-Lozano, Carlos; Rodriguez-Fernandez, Nereida; Castro, Luz; Santos, Antonino
Idioma: Inglés
Editor: Hindawi
Año: 2019
Acceso abierto
Artículo científico
Categoría
Ingeniería y Tecnología
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 17
Citaciones: Sin citaciones
Un tema importante en el arte evolutivo es el desarrollo de sistemas que puedan imitar las decisiones estéticas tomadas por los seres humanos, por ejemplo, evaluaciones de aptitud realizadas por humanos utilizando evolución interactiva en arte generativo. Este documento se centra en el análisis de varios conjuntos de datos utilizados para la predicción estética basada en calificaciones de sitios web de fotografía y experimentos psicológicos. Dado que estos conjuntos de datos presentan problemas, propusimos un nuevo conjunto de datos que es un subconjunto de DPChallenge.com. Posteriormente, se consideraron tres métodos de evaluación diferentes, uno derivado de las calificaciones disponibles en DPChallenge.com y dos obtenidos bajo condiciones experimentales relacionadas con la estética y calidad de las imágenes. Observamos diferentes criterios en las calificaciones de DPChallenge.com, que tenían más que ver con la calidad fotográfica que con el valor estético. Finalmente, exploramos sistemas de aprendizaje distintos a los de vanguardia, con el fin de predecir estos tres valores. Los resultados obtenidos fueron similares a los obtenidos utilizando procedimientos
Descripción
Un tema importante en el arte evolutivo es el desarrollo de sistemas que puedan imitar las decisiones estéticas tomadas por los seres humanos, por ejemplo, evaluaciones de aptitud realizadas por humanos utilizando evolución interactiva en arte generativo. Este documento se centra en el análisis de varios conjuntos de datos utilizados para la predicción estética basada en calificaciones de sitios web de fotografía y experimentos psicológicos. Dado que estos conjuntos de datos presentan problemas, propusimos un nuevo conjunto de datos que es un subconjunto de DPChallenge.com. Posteriormente, se consideraron tres métodos de evaluación diferentes, uno derivado de las calificaciones disponibles en DPChallenge.com y dos obtenidos bajo condiciones experimentales relacionadas con la estética y calidad de las imágenes. Observamos diferentes criterios en las calificaciones de DPChallenge.com, que tenían más que ver con la calidad fotográfica que con el valor estético. Finalmente, exploramos sistemas de aprendizaje distintos a los de vanguardia, con el fin de predecir estos tres valores. Los resultados obtenidos fueron similares a los obtenidos utilizando procedimientos