論文の概要: AutoToon: Automatic Geometric Warping for Face Cartoon Generation

• arxiv url: http://arxiv.org/abs/2004.02377v1
• Date: Mon, 6 Apr 2020 02:27:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 06:55:06.386004
• Title: AutoToon: Automatic Geometric Warping for Face Cartoon Generation
• Title（参考訳）: autotoon:顔漫画生成のための自動幾何ワーピング
• Authors: Julia Gong (1), Yannick Hold-Geoffroy (2), Jingwan Lu (2) ((1) Stanford University, (2) Adobe Research)
• Abstract要約: 本稿では,画像のワープ成分に高品質なワープを付与する,最初の教師付き深層学習手法であるAutoToonを提案する。 先行技術とは対照的に、SENetと空間トランスフォーマーモジュールを活用し、アーティストのワープフィールドを直接訓練する。 顔の細部を保ちながら顔の特徴の識別を増幅する魅力ある誇張を実現する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Caricature, a type of exaggerated artistic portrait, amplifies the distinctive, yet nuanced traits of human faces. This task is typically left to artists, as it has proven difficult to capture subjects' unique characteristics well using automated methods. Recent development of deep end-to-end methods has achieved promising results in capturing style and higher-level exaggerations. However, a key part of caricatures, face warping, has remained challenging for these systems. In this work, we propose AutoToon, the first supervised deep learning method that yields high-quality warps for the warping component of caricatures. Completely disentangled from style, it can be paired with any stylization method to create diverse caricatures. In contrast to prior art, we leverage an SENet and spatial transformer module and train directly on artist warping fields, applying losses both prior to and after warping. As shown by our user studies, we achieve appealing exaggerations that amplify distinguishing features of the face while preserving facial detail.
• Abstract（参考訳）: 誇張された芸術的な肖像画の一種である似顔絵は、人間の顔の特徴的な、しかし微妙な特徴を増幅する。 この課題は、自動手法で被験者のユニークな特徴をうまく捉えることが困難であることから、一般的にはアーティストに委ねられている。 近年のディープエンド・ツー・エンド法の開発は、スタイルやハイレベルな誇張を捉えて有望な成果を上げている。 しかし、似顔絵の重要な部分である顔の反りは、これらのシステムにとって依然として困難である。 本研究では,絵画のワープ成分に高品質なワープを付与する初の教師付き深層学習手法であるAutoToonを提案する。 スタイルから完全に切り離されているため、あらゆるスタイル化手法と組み合わせて多様な似顔絵を作ることができる。 先行技術とは対照的に,senetおよびspatial transformerモジュールを活用し,アーティストウォーピングフィールド上で直接トレーニングを行い,ウォーピング前後に損失を与える。 ユーザ調査で示されたように、顔の細部を保ちながら顔の特徴の識別を増幅する魅力ある誇張を実現する。

関連論文リスト

• Portrait Diffusion: Training-free Face Stylization with Chain-of-Painting [64.43760427752532]
  顔のスタイリゼーション(face stylization)とは、顔の特定の肖像画スタイルへの変換を指す。 現在の手法では、ファインチューン事前訓練された生成モデルに対するサンプルベースの適応アプローチが必要とされる。 本稿では,ポートレートディフュージョン(Portrait Diffusion)という,トレーニング不要な顔スタイル化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-03T06:48:35Z)
• High-Quality Face Caricature via Style Translation [1.3457834965263997]
  実世界での使用に適した,高品質で不対面の顔似似顔絵法を提案する。 顔の特徴の誇張と外観のスタイル化を2段階のプロセスで達成する。 Faceキャラクチュアプロジェクションは、実面と似顔で訓練されたエンコーダと、事前訓練されたジェネレータを用いて、実面と似顔を投影する。
  論文  参考訳（メタデータ） (2023-11-22T12:03:33Z)
• Portrait Stylization: Artistic Style Transfer with Auxiliary Networks for Human Face Stylization [0.0]
  本稿では,コンテンツ画像から最終スタイル化結果への人間の顔特徴の伝播を促すために,補助訓練済みの顔認識モデルからの埋め込みの利用を提案する。
  論文  参考訳（メタデータ） (2023-09-23T23:02:32Z)
• Quality Metric Guided Portrait Line Drawing Generation from Unpaired Training Data [88.78171717494688]
  本研究では,顔画像から肖像画への自動変換手法を提案する。 本手法は,(1)1つのネットワークを用いて複数のスタイルで高品質な肖像画を生成することを学習し,(2)トレーニングデータに見つからない「新しいスタイル」の肖像画を生成する。
  論文  参考訳（メタデータ） (2022-02-08T06:49:57Z)
• Unsupervised Contrastive Photo-to-Caricature Translation based on Auto-distortion [49.93278173824292]
  Photo-to-caricatureは、スケッチ、鉛筆のストローク、その他の芸術的図面を通じて特徴を誇張するレンダリング画像として、似顔絵を合成することを目的としている。 スタイルレンダリングと幾何学的変形は、フォト・ツー・キャリキュア・トランスフォーメーション・タスクにおいて最も重要な側面である。 教師なしのコントラスト変換アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-11-10T08:14:36Z)
• CariMe: Unpaired Caricature Generation with Multiple Exaggerations [22.342630945133312]
  キャラクチュア生成は、実際の写真を芸術的なスタイルと形状の誇張を備えたキャラクチュアに翻訳することを目的としている。 所定の写真から一定の画像の歪みを予測し、先行の似顔絵生成手法を強要する。 本稿では,画像から顔への分布レベルのマッピングを学習するためのマルチ・オーバーグラデーション・ワーパネットワークを提案する。
  論文  参考訳（メタデータ） (2020-10-01T08:14:32Z)
• DeepFacePencil: Creating Face Images from Freehand Sketches [77.00929179469559]
  既存の画像から画像への変換には、大規模なスケッチと画像のデータセットが必要である。 本稿では,手描きスケッチから写真リアルな顔画像を生成するための効果的なツールであるDeepFacePencilを提案する。
  論文  参考訳（メタデータ） (2020-08-31T03:35:21Z)
• Neutral Face Game Character Auto-Creation via PokerFace-GAN [0.0]
  本稿では,ゲーム内キャラクタを1枚の写真で自動生成する問題について検討する。 まず、マルチビューレンダリングの場合、従来の方法よりも柔軟に識別可能な文字を作成します。 次に、敵の訓練を利用して、表現パラメータを識別パラメータから効果的に切り離す。
  論文  参考訳（メタデータ） (2020-08-17T08:43:48Z)
• Modeling Caricature Expressions by 3D Blendshape and Dynamic Texture [58.78290175562601]
  本稿では,アーティストが描いた似顔絵を正規表現に従って変形させる問題に対する解法を提案する。 本ソリューションの鍵となるのは,従来の3DMM表現をキャラクチュア領域に拡張した,キャラクチュア表現をモデル化する新しい手法である。 提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2020-08-13T06:31:01Z)
• Learning to Caricature via Semantic Shape Transform [95.25116681761142]
  本稿では,意味的形状変換に基づくアルゴリズムを提案する。 提案手法は,顔の構造を維持しつつ,視覚的に心地よい形状の誇張を表現できることを示す。
  論文  参考訳（メタデータ） (2020-08-12T03:41:49Z)

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。