論文の概要: Interactive Neural Style Transfer with Artists

• arxiv url: http://arxiv.org/abs/2003.06659v1
• Date: Sat, 14 Mar 2020 15:27:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-23 20:12:23.807249
• Title: Interactive Neural Style Transfer with Artists
• Title（参考訳）: アーティストによる対話型ニューラルスタイル転送
• Authors: Thomas Kerdreux and Louis Thiry and Erwan Kerdreux
• Abstract要約: 本稿では,絵師と様々なニューラルスタイルのトランスファーアルゴリズムが実際のキャンバス上で相互作用する,インタラクティブな絵画プロセスを提案する。 我々は,一組の絵画画像を集め,ニューラルスタイル転送アルゴリズムの予測性に基づく新しい評価手法を提案する。
• 参考スコア（独自算出の注目度）: 6.130486652666935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present interactive painting processes in which a painter and various neural style transfer algorithms interact on a real canvas. Understanding what these algorithms' outputs achieve is then paramount to describe the creative agency in our interactive experiments. We gather a set of paired painting-pictures images and present a new evaluation methodology based on the predictivity of neural style transfer algorithms. We point some algorithms' instabilities and show that they can be used to enlarge the diversity and pleasing oddity of the images synthesized by the numerous existing neural style transfer algorithms. This diversity of images was perceived as a source of inspiration for human painters, portraying the machine as a computational catalyst.
• Abstract（参考訳）: 本稿では,画家と様々なニューラルスタイル伝達アルゴリズムが実際のキャンバス上で相互作用するインタラクティブな絵画プロセスを提案する。 これらのアルゴリズムの成果を理解することは、インタラクティブな実験で創造的なエージェンシーを記述する上で最重要である。 本研究では,一対の絵画画像を集め,ニューラルスタイル伝達アルゴリズムの予測性に基づく新しい評価手法を提案する。 いくつかのアルゴリズムの不安定性を指摘し、既存のニューラルスタイルのトランスファーアルゴリズムによって合成された画像の多様性を拡大し、奇異性を喜ばせるために使用できることを示す。 この画像の多様性は、人間の画家のインスピレーションの源として認識され、機械を計算触媒として描写した。

関連論文リスト

• Graph Neural Networks for Learning Equivariant Representations of Neural Networks [55.04145324152541]
  本稿では,ニューラルネットワークをパラメータの計算グラフとして表現することを提案する。 我々のアプローチは、ニューラルネットワークグラフを多種多様なアーキテクチャでエンコードする単一モデルを可能にする。 本稿では,暗黙的ニューラル表現の分類や編集など,幅広いタスクにおける本手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-03-18T18:01:01Z)
• An Inpainting-Infused Pipeline for Attire and Background Replacement [0.0]
  我々は、画像操作を重視したGenAIとコンピュータビジョンの高度な技術を活用し、統合されたアプローチを探求する。 この手法は、深さ推定、背景の生成と置換など、いくつかの段階を通じて展開される。 本研究で行った実験は, 視覚的に捕食するコンテンツを生み出す可能性を強調し, 方法論の有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2024-02-05T20:34:32Z)
• Semantic Draw Engineering for Text-to-Image Creation [2.615648035076649]
  そこで本研究では,人工知能モデルをテーマ創造性に活用する手法を提案する。 この手法では、画像を作成する前に、すべての視覚要素を定量データ構造に変換する。 提案手法の有効性を,意味的精度,画像効率,計算効率の観点から評価する。
  論文  参考訳（メタデータ） (2023-12-23T05:35:15Z)
• Generative AI Model for Artistic Style Transfer Using Convolutional Neural Networks [0.0]
  芸術的なスタイルの転送は、ある画像の内容を別の芸術的なスタイルに融合させ、ユニークな視覚的な構成を作り出すことである。 本稿では,畳み込みニューラルネットワーク(CNN)を用いた新しいスタイル伝達手法の概要を概説する。
  論文  参考訳（メタデータ） (2023-10-27T16:21:17Z)
• Stroke-based Neural Painting and Stylization with Dynamically Predicted Painting Region [66.75826549444909]
  ストロークベースのレンダリングは、ストロークのセットで画像を再現することを目的としている。 本研究では,現在のキャンバスに基づいて絵画領域を予測する合成ニューラルネットワークを提案する。 我々は、新しい微分可能な距離変換損失を伴って、ストロークベースのスタイル転送に拡張する。
  論文  参考訳（メタデータ） (2023-09-07T06:27:39Z)
• Interactive Neural Painting [66.9376011879115]
  本稿では,対話型ニューラルペイント(NP)の最初のアプローチを提案する。 2段デコーダを用いた条件変圧器変分自動エンコーダ(VAE)アーキテクチャに基づく新しい手法であるI-Paintを提案する。 実験の結果,本手法は良好なストローク提案を提供し,最先端技術と比較した。
  論文  参考訳（メタデータ） (2023-07-31T07:02:00Z)
• GM-NeRF: Learning Generalizable Model-based Neural Radiance Fields from Multi-view Images [79.39247661907397]
  本稿では,自由視点画像の合成に有効なフレームワークであるGeneralizable Model-based Neural Radiance Fieldsを提案する。 具体的には、多視点2D画像からの出現コードを幾何学的プロキシに登録するための幾何学誘導型アテンション機構を提案する。
  論文  参考訳（メタデータ） (2023-03-24T03:32:02Z)
• A domain adaptive deep learning solution for scanpath prediction of paintings [66.46953851227454]
  本稿では,ある絵画の視覚的体験における視聴者の眼球運動分析に焦点を当てた。 我々は、人間の視覚的注意を予測するための新しいアプローチを導入し、人間の認知機能に影響を及ぼす。 提案した新しいアーキテクチャは、画像を取り込んでスキャンパスを返す。
  論文  参考訳（メタデータ） (2022-09-22T22:27:08Z)
• Unsupervised Discovery of Disentangled Manifolds in GANs [74.24771216154105]
  解釈可能な生成プロセスは、様々な画像編集アプリケーションに有用である。 本稿では,任意の学習された生成逆数ネットワークが与えられた潜在空間における解釈可能な方向を検出する枠組みを提案する。
  論文  参考訳（メタデータ） (2020-11-24T02:18:08Z)
• Learning Transformation-Aware Embeddings for Image Forensics [15.484408315588569]
  Image Provenance Analysisは、コンテンツを共有するさまざまな操作されたイメージバージョン間の関係を見つけることを目的としている。 証明分析のための主要なサブプロブレムの1つは、完全なコンテンツを共有したり、ほぼ重複している画像の編集順序である。 本稿では,1つの画像から生成した画像に対して,変換を通じて妥当な順序付けを行うための,新しい深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2020-01-13T22:01:24Z)

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。