ترجمه فارسی مقاله استفاده از یک مدل CNN برای ارزیابی خلاقیت آثار هنری بصری

چکیده

Assessing artistic creativity has long challenged researchers, with traditional methods proving time-consuming. Recent studies have applied machine learning to evaluate creativity in drawings, but not paintings. Our research addresses this gap by developing a CNN model to automatically assess the creativity of human paintings. Using a dataset of six hundred paintings by professionals and children, our model achieved 90% accuracy and faster evaluation times than human raters. This approach demonstrates the potential of machine learning in advancing artistic creativity assessment, offering a more efficient alternative to traditional methods.

چکیده به فارسی (ترجمه ماشینی)

ارزیابی خلاقیت هنری مدتهاست که محققان را به چالش کشیده است ، و روشهای سنتی اثبات وقت گیر است.مطالعات اخیر از یادگیری ماشین برای ارزیابی خلاقیت در نقاشی ها استفاده کرده است ، اما نه نقاشی.تحقیقات ما با تهیه یک مدل CNN برای ارزیابی خودکار خلاقیت نقاشی های انسانی به این شکاف می پردازد.با استفاده از مجموعه داده ششصد نقاشی توسط متخصصان و کودکان ، مدل ما 90 ٪ دقت و زمان ارزیابی سریعتر را نسبت به رأی دهندگان انسانی بدست آورد.این رویکرد پتانسیل یادگیری ماشین را در پیشبرد ارزیابی خلاقیت هنری نشان می دهد و جایگزین کارآمدتری برای روشهای سنتی ارائه می دهد.