结合监督与无监督学习按氛围对插画进行聚类
计算机视觉与模式识别
2023-07-31 v1 机器学习
摘要
随着动画、游戏与动画电影的日益流行，插画在Twitter和Pixiv等社交媒体上的传播不断增加。插画的“氛围”在用户偏好中起着重要作用。按氛围对插画进行分类有助于推荐与搜索。然而，为难以捉摸的“氛围”赋予明确标签以及传统的监督分类并非总是可行。此外，即便具有相似颜色、边缘与低级特征的图像也可能不具备相似氛围，使得基于低级特征的分类十分困难。本文利用带伪标签的监督与无监督学习解决了该问题。特征向量通过使用有助于模糊氛围的伪标签监督方法获得。进一步基于这些特征向量进行聚类。实验分析表明，在人工分类的数据集上，我们的方法在人类似聚类方面优于传统方法。
引用
@article{arxiv.2307.15099,
title = {Clustering of illustrations by atmosphere using a combination of supervised and unsupervised learning},
author = {Keisuke Kubota and Masahiro Okuda},
journal= {arXiv preprint arXiv:2307.15099},
year = {2023}
}
备注
5 pages, 2 figures