art
1.0.0
Para acceder a la función de búsqueda, solicite acceder a la versión beta del mosaico
El arte es uno de los pocos lenguajes que trasciende las barreras del país, la cultura y el tiempo. Nuestro objetivo es crear un algoritmo que pueda ayudar a descubrir los elementos semánticos comunes del arte incluso entre cualquier cultura, medio, artista o colección dentro de las obras de arte combinadas del Museo Metropolitano de Arte y el Rijksmusem.
Los sistemas de recuperación de imágenes permiten a las personas encontrar imágenes que sean semánticamente similares a una imagen de consulta. Esto sirve como columna vertebral de los motores de búsqueda de imágenes inversas y de muchos motores de recomendación de productos. Presentamos un método novedoso para especializar sistemas de recuperación de imágenes llamado recuperación de imágenes condicional. Cuando se aplica a grandes conjuntos de datos artísticos, la recuperación condicional de imágenes proporciona analogías visuales que sacan a la luz conexiones ocultas entre diferentes artistas, culturas y medios. Los sistemas de recuperación de imágenes condicionales pueden encontrar eficientemente semántica compartida entre obras de medios y orígenes culturales muy diferentes. Nuestro artículo presenta nuevas variantes de los algoritmos K-Nearest Neighbor que admiten la especialización en subconjuntos particulares de colecciones de imágenes sobre la marcha.
Para encontrar obras de arte con una estructura semántica similar aprovechamos las "características" de las redes de visión profunda entrenadas en ImageNet. Estas redes asignan imágenes a un espacio de alta dimensión donde la distancia es semánticamente significativa. Aquí, las consultas del vecino más cercano tienden a actuar como "motores de búsqueda de imágenes inversas" y los objetos similares a menudo comparten una estructura común.
Para obtener más información sobre este proyecto, únase a nuestro seminario web en vivo el 30/07/2020 a las 10 a.m. PST.
Para citar este trabajo por favor utilice lo siguiente:
@article{hamilton2020conditional,
title={Conditional Image Retrieval},
author={Hamilton, Mark and Fu, Stephanie and Freeman, William T and Lu, Mindren},
journal={arXiv preprint arXiv:2007.07177},
year={2020}
}
Consulte nuestra guía para desarrolladores para crear el proyecto usted mismo.
Representaciones compartidas de reverencia durante 3000 años:
Cómo combinar tu reloj con tu vestimenta y tu vajilla:
¡Un agradecimiento especial a todos los contribuyentes que ayudaron a hacer realidad este proyecto!
Los externos de MIT x MSFT fueron fundamentales para convertir este proyecto de investigación en un sitio web funcional. En solo un mes, el equipo creó y diseñó el sitio web en mosaico. Stephanie Fu y Mindren Lu también contribuyeron a la publicación "Conditional Image Retrieval" mediante su evaluación del efecto de diferentes redes previamente entrenadas en la transferencia de estilo no paramétrico.
Este proyecto le debe un gran agradecimiento al equipo de MSFT Garage. Son creadores apasionados que buscan incubar nuevos proyectos e inspirar a nuevas generaciones de ingenieros. Agradecemos sinceramente su apoyo y tutoría en este proyecto.
Este proyecto agradece contribuciones y sugerencias. La mayoría de las contribuciones requieren que usted acepte un Acuerdo de licencia de colaborador (CLA) que declara que tiene derecho a otorgarnos, y de hecho lo hace, los derechos para usar su contribución. Para obtener más detalles, visite https://cla.opensource.microsoft.com.
Cuando envía una solicitud de extracción, un bot CLA determinará automáticamente si necesita proporcionar un CLA y decorar el PR de manera adecuada (por ejemplo, verificación de estado, comentario). Simplemente siga las instrucciones proporcionadas por el bot. Solo necesitarás hacer esto una vez en todos los repositorios que utilicen nuestro CLA.
Este proyecto ha adoptado el Código de conducta de código abierto de Microsoft. Para obtener más información, consulte las preguntas frecuentes sobre el Código de conducta o comuníquese con [email protected] si tiene alguna pregunta o comentario adicional.
