論文の概要: Iconify: Converting Photographs into Icons

• arxiv url: http://arxiv.org/abs/2004.03179v1
• Date: Tue, 7 Apr 2020 08:01:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 00:43:11.880145
• Title: Iconify: Converting Photographs into Icons
• Title（参考訳）: Iconify:写真をIconに変換する
• Authors: Takuro Karamatsu, Gibran Benitez-Garcia, Keiji Yanai, Seiichi Uchida
• Abstract要約: CycleGANはアイコンのような画像を生成するための十分な抽象化と単純化能力を学ぶ。 いくつかの画像データセットを用いた実験により、CycleGANはアイコンのような画像を生成するのに十分な抽象化と単純化能力があることが証明された。
• 参考スコア（独自算出の注目度）: 21.39168227994792
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we tackle a challenging domain conversion task between photo and icon images. Although icons often originate from real object images (i.e., photographs), severe abstractions and simplifications are applied to generate icon images by professional graphic designers. Moreover, there is no one-to-one correspondence between the two domains, for this reason we cannot use it as the ground-truth for learning a direct conversion function. Since generative adversarial networks (GAN) can undertake the problem of domain conversion without any correspondence, we test CycleGAN and UNIT to generate icons from objects segmented from photo images. Our experiments with several image datasets prove that CycleGAN learns sufficient abstraction and simplification ability to generate icon-like images.
• Abstract（参考訳）: 本稿では,写真画像とアイコン画像の領域変換課題に挑戦する。 アイコンは実際のオブジェクトイメージ(写真など)から生じることが多いが、プロのグラフィックデザイナーによってアイコン画像を生成するために厳しい抽象化と単純化が適用される。 さらに,2つの領域間の一対一対応は存在しないため,直接変換関数の学習の基盤として利用することはできない。 生成敵対ネットワーク (GAN) は, 対応のない領域変換の問題に対処できるため, 画像から区切られた物体からアイコンを生成するためにCycleGANとUNITをテストする。 複数の画像データセットを用いた実験により、cycleganはアイコンのような画像を生成するのに十分な抽象化と単純化を学習できることが証明された。

関連論文リスト

• DeepIcon: A Hierarchical Network for Layer-wise Icon Vectorization [12.82009632507056]
  近年,イメージをベクトル形式に変換する学習ベース手法では,不完全形状,冗長な経路予測,オリジナルコンテンツのセマンティクスの保存における精度の欠如が頻発している。 本稿では,画像入力に基づいて可変長アイコングラフを生成する階層型画像ベクトル化ネットワークDeepIconを提案する。
  論文  参考訳（メタデータ） (2024-10-21T08:20:19Z)
• Aligning Motion-Blurred Images Using Contrastive Learning on Overcomplete Pixels [1.8810643529425775]
  動きのぼかしに不変なオーバーコンプリート画素レベルの特徴を学習するための新しいコントラスト的目的を提案する。 我々の目的を訓練した単純なU-Netは、現実的で困難な条件下で撮影される見えないビデオのフレームを移動カメラに合わせるのに有用なローカル機能を生み出すことができることを実証する。
  論文  参考訳（メタデータ） (2024-10-09T20:21:43Z)
• ParGAN: Learning Real Parametrizable Transformations [50.51405390150066]
  本稿では、画像変換学習のためのサイクル一貫性GANフレームワークの一般化であるParGANを提案する。 提案したジェネレータは、画像と変換のパラメトリゼーションの両方を入力とする。 注釈付きパラメトリゼーションを伴わない不整合画像領域では、このフレームワークはスムーズな生成が可能であり、同時に複数の変換を学習できることを示す。
  論文  参考訳（メタデータ） (2022-11-09T16:16:06Z)
• Dual Pyramid Generative Adversarial Networks for Semantic Image Synthesis [94.76988562653845]
  セマンティック画像合成の目標は、セマンティックラベルマップからフォトリアリスティック画像を生成することである。 しかし、現在の最先端のアプローチは、さまざまなスケールで画像で現実的なオブジェクトを生成するのに依然として苦労している。 本研究では,空間適応型正規化ブロックの条件付けを各スケールで同時に学習するDual Pyramid Generative Adversarial Network (DP-GAN)を提案する。
  論文  参考訳（メタデータ） (2022-10-08T18:45:44Z)
• Unsupervised Image Transformation Learning via Generative Adversarial Networks [40.84518581293321]
  GAN(Generative Adversarial Networks)を用いた画像集合から基底変換を学習して画像変換問題を研究する。 本稿では,生成元と識別器が共有する変換空間に画像を投影する,教師なし学習フレームワークTrGANを提案する。
  論文  参考訳（メタデータ） (2021-03-13T17:08:19Z)
• Controllable Image Synthesis via SegVAE [89.04391680233493]
  セマンティックマップは条件付き画像生成の中間表現として一般的に使用される。 本研究では,所望のカテゴリからなるラベルセットを与えられたセマンティックマップの生成を特に対象とする。 提案するフレームワークSegVAEは,条件付き変分オートエンコーダを用いて,セマンティックマップを反復的に合成する。
  論文  参考訳（メタデータ） (2020-07-16T15:18:53Z)
• Image-to-image Mapping with Many Domains by Sparse Attribute Transfer [71.28847881318013]
  教師なし画像と画像の変換は、2つの領域間の一対のマッピングを、ポイント間の既知のペアワイズ対応なしで学習することで構成される。 現在の慣例は、サイクル一貫性のあるGANでこのタスクにアプローチすることです。 そこで本研究では,ジェネレータを直接,潜在層における単純なスパース変換に制限する代替手法を提案する。
  論文  参考訳（メタデータ） (2020-06-23T19:52:23Z)
• Semantic Image Manipulation Using Scene Graphs [105.03614132953285]
  本稿では,星座変更や画像編集を直接監督する必要のないシーングラフネットワークを提案する。 これにより、追加のアノテーションを使わずに、既存の実世界のデータセットからシステムをトレーニングすることができる。
  論文  参考訳（メタデータ） (2020-04-07T20:02:49Z)
• In-Domain GAN Inversion for Real Image Editing [56.924323432048304]
  トレーニング済みのGANジェネレータに実際のイメージを送出する一般的な方法は、遅延コードに戻すことである。 既存の反転法は、通常、画素値によってターゲット画像の再構成にフォーカスするが、反転したコードは元の潜伏空間のセマンティックドメインに着陸しない。 本稿では、入力画像を忠実に再構成し、変換されたコードが編集に意味のある意味を持つようにするためのドメイン内GAN逆変換手法を提案する。
  論文  参考訳（メタデータ） (2020-03-31T18:20:18Z)

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。