論文の概要: Network of Steel: Neural Font Style Transfer from Heavy Metal to
Corporate Logos
- arxiv url: http://arxiv.org/abs/2001.03659v1
- Date: Fri, 10 Jan 2020 20:41:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-12 22:45:12.567506
- Title: Network of Steel: Neural Font Style Transfer from Heavy Metal to
Corporate Logos
- Title(参考訳): network of steel: ヘビーメタルからコーポレートロゴへのニューラルネットワークフォントスタイル転送
- Authors: Aram Ter-Sarkisov
- Abstract要約: 本稿では,重金属バンドのロゴからVGG16ネットワークを用いた企業ロゴへのスタイル転送手法を提案する。
スタイル学習への異なるレイヤと損失係数の寄与を確立する。
ヘビーメタルスタイルと企業ロゴの可読性との間に良いトレードオフをもたらす層と損失係数が見つかります。
- 参考スコア(独自算出の注目度): 0.18275108630751835
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a method for transferring style from the logos of heavy metal
bands onto corporate logos using a VGG16 network. We establish the contribution
of different layers and loss coefficients to the learning of style,
minimization of artefacts and maintenance of readability of corporate logos. We
find layers and loss coefficients that produce a good tradeoff between heavy
metal style and corporate logo readability. This is the first step both towards
sparse font style transfer and corporate logo decoration using generative
networks. Heavy metal and corporate logos are very different artistically, in
the way they emphasize emotions and readability, therefore training a model to
fuse the two is an interesting problem.
- Abstract(参考訳): 本稿では,重金属バンドのロゴからVGG16ネットワークを用いた企業ロゴへのスタイル転送手法を提案する。
我々は,異なるレイヤと損失係数の寄与を,スタイルの学習,アーティファクトの最小化,企業ロゴの可読性維持に確立する。
ヘビーメタルスタイルと企業ロゴの可読性との間に良いトレードオフをもたらす層と損失係数を見つけます。
これは、分散フォントスタイル転送と、生成ネットワークを用いた企業ロゴのデコレーションへの第一歩である。
ヘビーメタルとコーポレートのロゴは芸術的には全く異なり、感情と可読性を強調しているため、モデルを訓練して両者を融合させることは興味深い問題である。
関連論文リスト
- LogoSticker: Inserting Logos into Diffusion Models for Customized Generation [73.59571559978278]
テキスト・ツー・イメージ・モデルにロゴを挿入する作業を導入する。
我々の目標は、ロゴのアイデンティティを拡散モデルに挿入し、様々な状況下でシームレスに合成できるようにすることです。
この課題に対処するために,新しい2相パイプラインLogoStickerを提案する。
論文 参考訳(メタデータ) (2024-07-18T17:54:49Z) - SLANT: Spurious Logo ANalysis Toolkit [61.59021920232986]
SLANT: Spurious Logo Analysis Toolkitを開発した。
というロゴをマイニングするためのセミオートマチックなメカニズムが組み込まれている。
我々は、VLモデルが負の人形容詞と相関する様々な無害なロゴを発見した。
攻撃者は有害なコンテンツに急激なロゴを配置することができ、モデルがそれを無害と誤分類する原因となった。
論文 参考訳(メタデータ) (2024-06-03T15:41:31Z) - FashionLOGO: Prompting Multimodal Large Language Models for Fashion Logo Embeddings [26.395196542803543]
本稿では,MLLMに製品画像の適切なテキストを生成するよう促すアプローチを提案する。
実世界のデータセットに関する我々の実験は、FashionLOGOが汎用的で堅牢なロゴ埋め込みを生成することができることを証明している。
論文 参考訳(メタデータ) (2023-08-17T14:30:26Z) - Few-shot Font Generation by Learning Style Difference and Similarity [84.76381937516356]
異なるスタイルの違いと同一スタイルの類似性(DS-Font)を学習する新しいフォント生成手法を提案する。
具体的には,提案するクラスタレベルコントラシブ・スタイル(CCS)の損失により,スタイルエンコーディングを実現する多層型プロジェクタを提案する。
論文 参考訳(メタデータ) (2023-01-24T13:57:25Z) - Contrastive Multi-View Textual-Visual Encoding: Towards One Hundred
Thousand-Scale One-Shot Logo Identification [2.243832625209014]
オープン・セットのワンショット・セッティングにおいて,ビジネスブランドのロゴを自然シーンで識別する問題について検討する。
ロゴに現れるテキストをエンコードする新しい多視点テキスト視覚符号化フレームワークを提案する。
提案手法は, 自然シーンの作業において, 作付ロゴ識別, 作付ロゴ識別, エンド・ツー・エンドのロゴ識別を行う。
論文 参考訳(メタデータ) (2022-11-23T12:59:41Z) - Deep Learning for Logo Detection: A Survey [59.278443852492465]
本稿では, 深層学習技術のロゴ検出への応用について概説する。
既存のロゴ検出戦略と学習戦略の長所と短所を詳細に分析する。
知的輸送やブランド監視から著作権や商標の遵守に至るまで,さまざまな分野におけるロゴ検出の応用を要約する。
論文 参考訳(メタデータ) (2022-10-10T02:07:41Z) - An Effective and Robust Detector for Logo Detection [58.448716977297565]
一部の攻撃者は、よく訓練されたロゴ検出モデルを侵害で騙している。
本稿では,2回検討する機構に基づく新しいロゴ検出手法を提案する。
我々は,デテクトRSアルゴリズムを,等化損失関数,マルチスケール変換,および逆データ拡張を備えたカスケードスキーマに拡張する。
論文 参考訳(メタデータ) (2021-08-01T10:17:53Z) - Famous Companies Use More Letters in Logo:A Large-Scale Analysis of Text
Area in Logo [4.168157981135698]
私たちは、ロゴ画像とそのテキスト領域、テキスト領域とTwitter上のフォロワーの数、およびロゴ画像とフォロワーの数の3つの相関に焦点を当てています。
テキスト領域比と会社のフォロワー数との間には, 弱い正の相関関係がみられた。
論文 参考訳(メタデータ) (2021-04-01T08:19:29Z) - LogoDet-3K: A Large-Scale Image Dataset for Logo Detection [61.296935298332606]
完全アノテーション付き最大のロゴ検出データセットであるLogoDet-3Kを紹介する。
3000のロゴカテゴリー、約20万の注釈付きロゴオブジェクト、158,652の画像がある。
大規模なロゴ検出のための最先端のYOLOv3フレームワークにFocal LosとCIoU Losを組み込んだ強力なベースライン手法であるLogo-Yoloを提案する。
論文 参考訳(メタデータ) (2020-08-12T14:57:53Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。