ReART: Reference-Guided Retrieval and Refinement for Emotion-Aware Art Generation
reART एक संदर्भ-निर्देशित पुनर्प्राप्ति और परिशोधन ढांचा है जो कैप्शन को लक्षित संदर्भ पुनर्प्राप्ति के लिए संरचित दृश्य क्षेत्रों में विघटित करके और संरेखण विफलताओं का निदान एवं सुधार करने के लिए एक AAS-संचालित लूप का उपयोग करके भावना-जागरूक कला सृजन को बढ़ाता है, जिससे AffectiveArt 2026 ग्रैंड चैलेंज में शीर्ष स्तर का प्रदर्शन प्राप्त होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कला हमेशा से किसी चीज़ की तस्वीर मात्र से कहीं अधिक रही है; यह महसूस करने का एक तरीका है। सदियों से, चित्रकारों ने गंभीरता, आनंद या विषाद जैसी भावनाओं को व्यक्त करने के लिए ब्रश के स्ट्रोक, रंगों के चयन और दृश्य पर पड़ने वाले प्रकाश के तरीके का उपयोग किया है, जो अक्सर बिना एक भी मुस्कुराते हुए चेहरे या एक आँसू के चित्रित किया जाता है। आज, कंप्यूटर लिखित विवरणों से इन छवियों को बनाने के लिए सीख रहे हैं, एक ऐसी प्रक्रिया जो यथार्थवादी दृश्य उत्पन्न करने में आश्चर्यजनक रूप से कुशल हो गई है। हालाँकि, एक नई चुनौती उभर कर आई है: मशीन को यह समझाना कि एक "गंभीर" वातावरण के लिए विशिष्ट, सूक्ष्म दृश्य निर्णयों की आवश्यकता होती है, जैसे कि मंद रंग या स्थान का एक सपाट अहसास, न कि केवल चित्र में एक उदास वस्तु जोड़ना। कठिनाई इस तथ्य में निहित है कि मानवीय भाषा अक्सर इन सूक्ष्म विवरणों का वर्णन करने के लिए बहुत अस्पष्ट होती है। जब कोई व्यक्ति "एक गंभीर पुनर्जागरण (Renaissance) पेंटिंग" के लिए प्रॉम्प्ट लिखते हुए पूछता है, तो कंप्यूटर को ठीक से पता नहीं होता कि उस भावना से मेल खाने के लिए ग्रे के कौन से शेड्स का उपयोग करना है या ब्रश के स्ट्रोक कितने मोटे होने चाहिए। यह किसी को एक विशिष्ट पैलेट या बनावट के स्पष्ट विजन के बिना एक मूड को चित्रित करने के लिए कहने जैसा है।
इसे हल करने के लिए, पेकिंग यूनिवर्सिटी और वुहान यूनिवर्सिटी के शोधकर्ताओं ने ReART नामक एक प्रणाली विकसित की है, जो अस्पष्ट भावनात्मक शब्दों और ठोस दृश्य साक्ष्य के बीच एक सेतु के रूप में कार्य करती है। केवल पाठ (text) से सही रूप का अनुमान लगाने के बजाय, यह प्रणाली एक विवरण को विशिष्ट दृश्य भागों में तोड़ देती है, जैसे कि मुख्य विषय, दृश्य की रूपरेखा, पेंट की बनावट और समग्र मूड। इसके बाद यह प्रत्येक विशिष्ट भाग से मेल खाने वाले वास्तविक उदाहरणों को खोजने के लिए मौजूदा कलाकृतियों के एक बड़े पुस्तकालय की खोज करती है। यदि प्रॉम्प्ट किसी विशेष प्रकार के ब्रशवर्क के बारे में पूछता है, तो सिस्टम उस सटीक बनावट वाली एक पेंटिंग ढूंढता है और उसे एक मार्गदर्शक के रूप में उपयोग करता है। यह कंप्यूटर को यह देखने की अनुमति देता है कि एक मास्टर कलाकार के हाथों में "गंभीर" या "नाटकीय" वास्तव में कैसा दिखता है, बजाय इसके कि वह केवल शब्दों के आधार पर अनुमान लगाए।
यह प्रक्रिया दो मुख्य चरणों में होती है। पहले, सिस्टम पाठ विवरण और पुस्तकालय से एकत्र किए गए दृश्य संकेतों का उपयोग करके एक प्रारंभिक छवि बनाता है। फिर यह स्वयं के आलोचक के रूप में कार्य करता है, मूल अनुरोध के विरुद्ध परिणाम की जाँच करता है। यदि छवि विषय को सही ढंग से प्रस्तुत करती है लेकिन रंग बहुत चमकीले लगते हैं, या यदि संरचना सही है लेकिन बनावट बहुत चिकनी और डिजिटल दिखती है, तो सिस्टम पहचान लेता है कि वह कहाँ गलत हुआ। यह केवल छवि को फेंक नहीं देता और फिर से प्रयास नहीं करता। इसके बजाय, यह केवल खराब हिस्सों को ठीक करने के लिए एक विशिष्ट योजना बनाता है जबकि उन हिस्सों की रक्षा करता है जो पहले से ही सही हैं। यह त्रुटि को ठीक करने के लिए नए दृश्य उदाहरणों का चयन करता है और दोष को सुधारने के लिए छवि को सावधानीपूर्वक संपादित करता है, यह सुनिश्चित करते हुए कि पेंटिंग का शेष भाग अछूता रहे। यह जाँचने और ठीक करने का चक्र तब तक जारी रहता है जब तक कि छवि प्रॉम्प्ट के भावनात्मक और दृश्य लक्ष्यों के साथ पूरी तरह से मेल न खा जाए।
इस दृष्टिकोण के परिणामों का परीक्षण भावनात्मक कला निर्माण की एक प्रमुख प्रतियोगिता में किया गया था, जहाँ सिस्टम का मूल्यांकन इस आधार पर किया गया कि उसने सामग्री, कलात्मक शैली और सूक्ष्म भावनात्मक गुणों को कितनी अच्छी तरह से पकड़ा है। शोधकर्ताओं ने पाया कि उनकी पद्धति द्वारा निर्मित छवियां पिछले प्रयासों की तुलना में वास्तविक मानव-निर्मित कला के काफी करीब थीं। प्रतियोगिता में, सिस्टम ने भावनात्मक संरेखण (emotional alignment) परीक्षण पर पूर्ण अंक प्राप्त किए, जिसका अर्थ है कि इसने दिए गए प्रत्येक मामले में इच्छित भावनाओं को सफलतापूर्वक मैच किया। इसने पूरी चुनौती में दूसरा स्थान भी प्राप्त किया, जो यह सिद्ध करता है कि एक जटिल कलात्मक अनुरोध को छोटे, प्रबंधनीय दृश्य टुकड़ों में तोड़ना और निर्माण के मार्गदर्शन के लिए वास्तविक उदाहरणों का उपयोग करना, मशीनों को कला की सूक्ष्म भाषा सिखाने का एक शक्तिशाली तरीका है। यह कार्य प्रदर्शित करता है कि जब कंप्यूटर को सही दृश्य संदर्भ और अपने काम की जाँच करने का तरीका दिया जाता है, तो वे ऐसी कला बनाने में सक्षम होते हैं जो मानवीय भावनाओं के साथ प्रतिध्वनित होती है, न कि केवल नियमों का पालन करके, बल्कि भावना की दृश्य बनावट को समझकर।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।