art
1.0.0
Untuk mengakses fungsi pencarian, terapkan untuk mengakses mosaik beta
Seni adalah salah satu dari sedikit bahasa yang melampaui batasan negara, budaya, dan waktu. Kami bertujuan untuk menciptakan algoritma yang dapat membantu menemukan elemen semantik umum seni bahkan di antara budaya, media, seniman, atau koleksi apa pun dalam karya seni gabungan The Metropolitan Museum of Art dan The Rijksmusem.
Sistem pengambilan gambar memungkinkan individu menemukan gambar yang secara semantik mirip dengan gambar kueri. Ini berfungsi sebagai tulang punggung mesin pencari gambar terbalik dan banyak mesin rekomendasi produk. Kami menyajikan metode baru untuk mengkhususkan sistem pengambilan gambar yang disebut pengambilan gambar bersyarat. Ketika diterapkan pada kumpulan data seni yang besar, pengambilan gambar bersyarat memberikan analogi visual yang mengungkap hubungan tersembunyi di antara seniman, budaya, dan media yang berbeda. Sistem pengambilan gambar bersyarat dapat secara efisien menemukan semantik bersama antara karya-karya dari media dan asal budaya yang sangat berbeda. Makalah kami memperkenalkan varian baru algoritme K-Nearest Neighbor yang mendukung spesialisasi pada subkumpulan koleksi gambar tertentu dengan cepat.
Untuk menemukan karya seni dengan struktur semantik serupa, kami memanfaatkan "fitur" dari jaringan penglihatan mendalam yang dilatih di ImageNet. Jaringan ini memetakan gambar ke dalam ruang berdimensi tinggi di mana jarak mempunyai makna semantik. Di sini, kueri tetangga terdekat cenderung bertindak sebagai "mesin pencari gambar terbalik" dan objek serupa sering kali memiliki struktur yang sama.
Untuk mempelajari lebih lanjut tentang proyek ini, silakan bergabung dengan webinar langsung kami pada pukul 10.00 PST 30/7/2020.
Untuk mengutip karya ini silakan gunakan yang berikut ini:
@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}
}
Silakan lihat panduan pengembang kami untuk membangun proyek sendiri.
Penggambaran bersama tentang penghormatan selama 3000 tahun:
Cara mencocokkan jam tangan dengan pakaian dan peralatan makan Anda:
Terima kasih khusus kepada semua kontributor yang membantu mewujudkan proyek ini!
Eksternal MIT x MSFT sangat penting dalam mengubah proyek penelitian ini menjadi situs web yang berfungsi. Hanya dalam satu bulan, tim membangun dan merancang situs mosaik. Stephanie Fu dan Mindren Lu juga berkontribusi pada publikasi "Pengambilan Gambar Bersyarat" melalui evaluasi mereka terhadap pengaruh berbagai jaringan terlatih pada transfer gaya nonparametrik.
Proyek ini sangat berterima kasih kepada tim MSFT Garage. Mereka adalah pencipta yang bersemangat yang berupaya menetaskan proyek-proyek baru dan menginspirasi generasi insinyur baru. Dukungan dan bimbingan mereka dalam proyek ini sangat kami hargai.
Proyek ini menyambut baik kontribusi dan saran. Sebagian besar kontribusi mengharuskan Anda menyetujui Perjanjian Lisensi Kontributor (CLA) yang menyatakan bahwa Anda berhak, dan memang benar, memberi kami hak untuk menggunakan kontribusi Anda. Untuk detailnya, kunjungi https://cla.opensource.microsoft.com.
Saat Anda mengirimkan permintaan tarik, bot CLA akan secara otomatis menentukan apakah Anda perlu memberikan CLA dan menghiasi PR dengan tepat (misalnya, pemeriksaan status, komentar). Cukup ikuti instruksi yang diberikan oleh bot. Anda hanya perlu melakukan ini sekali di seluruh repo menggunakan CLA kami.
Proyek ini telah mengadopsi Kode Etik Sumber Terbuka Microsoft. Untuk informasi lebih lanjut lihat FAQ Pedoman Perilaku atau hubungi [email protected] jika ada pertanyaan atau komentar tambahan.
