岩攀登路线的生成与评级的计算创造性
本研究开发了一个逆向问题公式,将组合和组合创造的产物转化为联想链以进行事后解释。该公式结构化为通过联想元素的知识图解决旅行商问题,并将旅行商路径的长度视为创造力中新奇性的度量。
Oct, 2020
本文探讨基于数据驱动分析的机器学习算法在车辆路径问题 (VRP) 上的应用,并针对不同算法评估方式可能产生的挑战提出了解决方案,希望能促进运营研究和机器学习领域的合作。
Sep, 2021
基于草图的地形生成方法中,我们提出了一种新的扩散网络方法,即地形扩散网络(TDN),它通过主动融入用户引导来增强可控性,同时考虑到河流、山脊、盆地和山峰等地形特征,生成更加逼真的地形。通过针对结构、中间和细粒度级别的多层去噪方案,以及引入预训练的地形自编码器的地形和草图潜空间,我们的方法在基于 NASA 地形图像构建的新数据集上进行了广泛实验证明了其有效性,达到了最先进的性能水平。
Aug, 2023
提出基于回归的学习框架,从创意的关键标准(如新颖、影响力、价值和意外性)的量化角度来评估创意。在电影数据集上进行实验,结果显示:1)创意标准与评论员分数的相关性,2)包含各种创意标准时可以提高电影评分预测的准确性,3)鉴别创意电影。
Jul, 2017
本文提出了一种新颖的计算框架,用于评估创造性产品(如绘画,雕塑,诗歌等)的创造力,基于构建创造性涉及网络,通过多次转换建立创造性涉及网络,而网络居中问题的变体可以高效地解决创造性推断问题。通过实验验证,可以将其用于衡量绘画(和雕塑)的创造力,同时还提出了一种量化验证的方法,称为 “时间机器实验”。
Jun, 2015
通过演化策略与自定义场景参数化,进行半透明三角形的 3D 场景渲染,从而实现根据自由语言描述艺术家规范来查看的电影渲染,为艺术家更轻松地表达抽象 3D 艺术创意提供了新的方式。
Apr, 2023
本文提出了一个计算创意视觉叙述的管道和任务模块,用于构建一个具有不同环境,基于叙述目标的变异和面向受众的故事叙述能力的计算机视觉技术,并分析了收集的数据并描述了此方法向自动化的计划。
Jul, 2018