Fugu-MT 論文翻訳(概要): Neural Contours: Learning to Draw Lines from 3D Shapes

論文の概要: Neural Contours: Learning to Draw Lines from 3D Shapes

arxiv url: http://arxiv.org/abs/2003.10333v3
Date: Sun, 5 Apr 2020 03:22:55 GMT
ステータス: 処理完了
システム内更新日: 2022-12-21 00:43:30.622389
Title: Neural Contours: Learning to Draw Lines from 3D Shapes
Title（参考訳）: 神経輪郭:3次元形状から線を描くことを学ぶ
Authors: Difan Liu, Mohamed Nabail, Aaron Hertzmann, Evangelos Kalogerakis
Abstract要約: 本アーキテクチャでは,3次元モデルの幾何学的特徴を操作可能なモジュールと,ビューに基づく形状表現を操作可能なイメージベースモジュールが組み込まれている。テスト時には、幾何学的およびビューに基づく推論とニューラルモジュールの助けが組み合わさって線図を作成する。
参考スコア（独自算出の注目度）: 20.650770317411233
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper introduces a method for learning to generate line drawings from 3D models. Our architecture incorporates a differentiable module operating on geometric features of the 3D model, and an image-based module operating on view-based shape representations. At test time, geometric and view-based reasoning are combined with the help of a neural module to create a line drawing. The model is trained on a large number of crowdsourced comparisons of line drawings. Experiments demonstrate that our method achieves significant improvements in line drawing over the state-of-the-art when evaluated on standard benchmarks, resulting in drawings that are comparable to those produced by experienced human artists.
Abstract（参考訳）: 本稿では,3次元モデルから線描画を学習する手法を提案する。本アーキテクチャでは,3次元モデルの幾何学的特徴を操作可能なモジュールと,ビューに基づく形状表現を操作可能なイメージベースモジュールが組み込まれている。テスト時には、幾何学的およびビューに基づく推論とニューラルモジュールの助けが組み合わさって線図を作成する。このモデルは、多数のクラウドソースによる線図の比較に基づいて訓練されている。実験により,本手法は,標準ベンチマークで評価した場合のラインドローイングの精度が向上し,経験豊富なヒトアーティストに匹敵するドローイングが得られることが示された。

関連論文リスト

Sketch-A-Shape: Zero-Shot Sketch-to-3D Shape Generation [13.47191379827792]
そこで本研究では,スケッチから3次元形状を生成するために,事前学習モデルの大きさについて検討する。トレーニング中の合成レンダリングの特徴を3次元生成モデルに条件付けすることで,推論時にスケッチから3次元形状を効果的に生成できることがわかった。これは、事前訓練された大きな視覚モデルの特徴が、ドメインシフトに耐性を持つ意味的な信号を持っていることを示唆している。
論文参考訳（メタデータ） (2023-07-08T00:45:01Z)
3D VR Sketch Guided 3D Shape Prototyping and Exploration [108.6809158245037]
本稿では,3次元VRスケッチを条件として行う3次元形状生成ネットワークを提案する。スケッチは初心者がアートトレーニングなしで作成していると仮定する。本手法は,オリジナルスケッチの構造に整合した複数の3次元形状を生成する。
論文参考訳（メタデータ） (2023-06-19T10:27:24Z)
SENS: Part-Aware Sketch-based Implicit Neural Shape Modeling [124.3266213819203]
SENSは手描きスケッチから3Dモデルを生成し編集するための新しい手法である。 SENSはスケッチを分析し、部品をViTパッチエンコーディングにエンコードする。 SENSは部分再構成による精細化をサポートし、微調整とアーティファクトの除去を可能にする。
論文参考訳（メタデータ） (2023-06-09T17:50:53Z)
Neural Strokes: Stylized Line Drawing of 3D Shapes [36.88356061690497]
本稿では3次元形状からスタイリングされた線図を作成するモデルを提案する。モデルは3次元形状と視点を入力として取り、テクスチャ化されたストロークで描画を出力する。
論文参考訳（メタデータ） (2021-10-08T05:40:57Z)
SimpModeling: Sketching Implicit Field to Guide Mesh Modeling for 3D Animalmorphic Head Design [40.821865912127635]
そこで本研究では,3次元動物型頭部の簡易なモデリングを支援するスケッチベースシステムであるSimpModelingを提案する。我々は,手書きスケッチと合成スケッチの領域間を効果的に処理できる高度な暗黙的形状推論手法を用いる。また、アーティストが手作業で作成する高品質な3D動物の頭部のデータセットにも貢献する。
論文参考訳（メタデータ） (2021-08-05T12:17:36Z)
Joint Deep Multi-Graph Matching and 3D Geometry Learning from Inhomogeneous 2D Image Collections [57.60094385551773]
非均質な画像コレクションから変形可能な3Dジオメトリモデルを学ぶためのトレーニング可能なフレームワークを提案する。さらに,2次元画像で表現された物体の3次元形状も取得する。
論文参考訳（メタデータ） (2021-03-31T17:25:36Z)
Pix2Surf: Learning Parametric 3D Surface Models of Objects from Images [64.53227129573293]
1つ以上の視点から見れば、新しいオブジェクトの3次元パラメトリック表面表現を学習する際の課題について検討する。ビュー間で一貫した高品質なパラメトリックな3次元表面を生成できるニューラルネットワークを設計する。提案手法は,共通対象カテゴリからの形状の公開データセットに基づいて,教師と訓練を行う。
論文参考訳（メタデータ） (2020-08-18T06:33:40Z)
Landmark Detection and 3D Face Reconstruction for Caricature using a Nonlinear Parametric Model [27.553158595012974]
画像の自動ランドマーク検出と3次元顔再構成のための最初の自動手法を提案する。構築されたデータセットと非線形パラメトリックモデルに基づいて,入力された2次元似顔画像から3次元顔形状と向きを回帰するニューラルネットワークに基づく手法を提案する。
論文参考訳（メタデータ） (2020-04-20T10:34:52Z)
Modeling 3D Shapes by Reinforcement Learning [33.343268605720176]
RLに基づく2段階のニューラル・フレームワークを提案し、3次元モデリングポリシーを学習する。モデリングエージェントを効果的に訓練するために,ポリシー,模倣学習,強化学習を組み合わせた新しい学習アルゴリズムを導入する。実験の結果、エージェントは規則的および構造的メッシュモデルを生成するための優れたポリシーを学習できることがわかった。
論文参考訳（メタデータ） (2020-03-27T13:05:39Z)
Self-Supervised 2D Image to 3D Shape Translation with Disentangled Representations [92.89846887298852]
本稿では,2次元画像ビューと3次元オブジェクト形状を翻訳するフレームワークを提案する。形状変換のための自己教師型画像変換フレームワークであるSISTを提案する。
論文参考訳（メタデータ） (2020-03-22T22:44:02Z)
SketchDesc: Learning Local Sketch Descriptors for Multi-view Correspondence [68.63311821718416]
我々はマルチビュースケッチ対応の問題について検討し、同じオブジェクトの異なるビューを持つ複数のフリーハンドスケッチを入力として扱う。異なる視点における対応する点の視覚的特徴は、非常に異なる可能性があるため、この問題は困難である。我々は、深層学習アプローチを採用し、データから新しいローカルスケッチ記述子を学習する。
論文参考訳（メタデータ） (2020-01-16T11:31:21Z)

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。