Fugu-MT 論文翻訳(概要): Image Seam-Carving by Controlling Positional Distribution of Seams

論文の概要: Image Seam-Carving by Controlling Positional Distribution of Seams

arxiv url: http://arxiv.org/abs/1912.13214v1
Date: Tue, 31 Dec 2019 08:17:55 GMT
ステータス: 処理完了
システム内更新日: 2023-01-16 21:08:12.045889
Title: Image Seam-Carving by Controlling Positional Distribution of Seams
Title（参考訳）: シームの位置分布制御によるイメージシーム彫刻
Authors: Mahdi Ahmadi, Nader Karimi, Shadrokh Samavi
Abstract要約: そこで本研究では,元のシーム彫りの単純さだけでなく,従来の手法では望ましくない歪みに欠ける新しいシーム彫りアルゴリズムを提案する。提案手法は,再ターゲット画像品質評価やシーム凝集対策において,元のシーム彫刻よりも優れていることを示す。
参考スコア（独自算出の注目度）: 12.748179203865249
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Image retargeting is a new image processing task that renders the change of aspect ratio in images. One of the most famous image-retargeting algorithms is seam-carving. Although seam-carving is fast and straightforward, it usually distorts the images. In this paper, we introduce a new seam-carving algorithm that not only has the simplicity of the original seam-carving but also lacks the usual unwanted distortion existed in the original method. The positional distribution of seams is introduced. We show that the proposed method outperforms the original seam-carving in terms of retargeted image quality assessment and seam coagulation measures.
Abstract（参考訳）: 画像再ターゲティングは、画像のアスペクト比の変化を描画する新しい画像処理タスクである。最も有名なイメージリターゲティングアルゴリズムの1つは、シーム彫刻である。 seam-carvingは高速で単純であるが、通常は画像を歪ませる。本稿では,元のシーム彫刻の単純さだけでなく,本来の方法では不要な歪みがほとんどない新しいシーム彫刻アルゴリズムを提案する。シームの位置分布が紹介される。提案手法は, 画像品質評価とシーム凝集対策において, 従来のseam-carvingよりも優れていた。

関連論文リスト

Learning to Rank Patches for Unbiased Image Redundancy Reduction [80.93989115541966]
画像は、隣接する領域の画素が空間的に相関しているため、空間的冗長性に悩まされる。既存のアプローチでは、意味の少ない画像領域を減らし、この制限を克服しようとしている。本稿では,Learning to Rank Patchesと呼ばれる画像冗長性低減のための自己教師型フレームワークを提案する。
論文参考訳（メタデータ） (2024-03-31T13:12:41Z)
RecDiffusion: Rectangling for Image Stitching with Diffusion Models [53.824503710254206]
画像縫合整形のための新しい拡散学習フレームワーク textbfRecDiffusion を提案する。このフレームワークは運動拡散モデル(MDM)を組み合わせて運動場を生成し、縫合された画像の不規則な境界から幾何学的に修正された中間体へ効果的に遷移する。
論文参考訳（メタデータ） (2024-03-28T06:22:45Z)
Seam-guided local alignment and stitching for large parallax images [10.952532257471113]
そこで本研究では,シーム品質評価による局所的アライメントと縫合法を提案する。まず,既存の画像アライメントとシームカット法を用いて初期シームを計算する。低画質の画素に対しては、アライメントされた画像に囲むパッチを分離し、局所的にアライメントする。最後に,アライメントパッチをシームカットにより合成し,元のアライメント結果にマージして最終モザイクを生成する。
論文参考訳（メタデータ） (2023-11-30T13:55:29Z)
Conditional Score Guidance for Text-Driven Image-to-Image Translation [52.73564644268749]
本稿では,事前訓練されたテキスト・画像拡散モデルに基づく,テキスト駆動型画像・画像変換のための新しいアルゴリズムを提案する。本手法は,ソース画像の関心領域を選択的に編集することで,対象画像を生成することを目的とする。
論文参考訳（メタデータ） (2023-05-29T10:48:34Z)
Deep Seam Prediction for Image Stitching Based on Selection Consistency Loss [26.488335598405097]
本研究では,高効率のシーム品質を実現するために,深層学習に基づくシーム予測手法(DSeam)を提案する。我々の知る限り、DSeamは画像縫合のための最初の深層学習に基づくシーム予測法である。
論文参考訳（メタデータ） (2023-02-10T02:56:01Z)
Diffusion-based Image Translation using Disentangled Style and Content Representation [51.188396199083336]
セマンティックテキストや単一のターゲット画像でガイドされた拡散ベースの画像変換により、柔軟なスタイル変換が可能になった。逆拡散中、画像の原内容を維持することはしばしば困難である。本稿では,不整合スタイルとコンテンツ表現を用いた新しい拡散に基づく教師なし画像翻訳手法を提案する。提案手法は,テキスト誘導と画像誘導の両方の翻訳作業において,最先端のベースラインモデルよりも優れていることを示す。
論文参考訳（メタデータ） (2022-09-30T06:44:37Z)
Fast Hybrid Image Retargeting [0.0]
本稿では,コンテント・アウェア・トリミングを用いて歪みを定量化し,抑制する手法を提案する。我々の手法は,実行時間のごく一部で実行しながら,最近の手法より優れています。
論文参考訳（メタデータ） (2022-03-25T11:46:06Z)
Learning Semantic Person Image Generation by Region-Adaptive Normalization [81.52223606284443]
ポーズと外観の翻訳を扱う新しい2段階フレームワークを提案する。第1段階では,対象意味解析マップを予測し,ポーズ転送の難しさを解消する。第2段階では,領域適応正規化を組み込んだ新たな人物画像生成手法を提案する。
論文参考訳（メタデータ） (2021-04-14T06:51:37Z)
Adaptively Sparse Regularization for Blind Image Restoration [0.0]
ブラインド画像復元は画像の品質向上に広く利用されている。主な目標は、ぼかしカーネルと潜むシャープなイメージを忠実に見積もることです。本研究では,適応的スパース正規化最小化法を提案する。
論文参考訳（メタデータ） (2021-01-23T02:40:01Z)
Arbitrary-sized Image Training and Residual Kernel Learning: Towards Image Fraud Identification [10.47223719403823]
そこで本研究では,原入力尺度の画像の縮小を伴わずにトレーニングを行うフレームワークを提案する。任意の大きさの画像トレーニング方法は、擬似バッチ勾配勾配に依存する。学習した残余カーネルとPBGDにより,提案手法は画像不正識別における最先端の結果を達成した。
論文参考訳（メタデータ） (2020-05-22T07:57:24Z)
The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-05-16T08:17:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。