論文の概要: MangaGAN: Unpaired Photo-to-Manga Translation Based on The Methodology of Manga Drawing

• arxiv url: http://arxiv.org/abs/2004.10634v2
• Date: Thu, 17 Dec 2020 17:21:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 18:33:26.832303
• Title: MangaGAN: Unpaired Photo-to-Manga Translation Based on The Methodology of Manga Drawing
• Title（参考訳）: MangaGAN:マンガ図面の方法論に基づく未完成のフォト・ツー・マンガ翻訳
• Authors: Hao Su, Jianwei Niu, Xuefeng Liu, Qingfeng Li, Jiahe Cui, and Ji Wan
• Abstract要約: 本稿では,GAN(Generative Adversarial Network)をベースとしたマンガGANを提案する。 マンガアーティストがいかにマンガを描くかにインスパイアされたMangaGANは、デザインされたGANモデルによってマンガの幾何学的特徴を生成する。 高品質なマンガ面を生成するために,スムーズなストロークラインへの構造的スムージングロスとノイズの多い画素の回避,および類似性保存モジュールを提案する。
• 参考スコア（独自算出の注目度）: 27.99490750445691
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Manga is a world popular comic form originated in Japan, which typically employs black-and-white stroke lines and geometric exaggeration to describe humans' appearances, poses, and actions. In this paper, we propose MangaGAN, the first method based on Generative Adversarial Network (GAN) for unpaired photo-to-manga translation. Inspired by how experienced manga artists draw manga, MangaGAN generates the geometric features of manga face by a designed GAN model and delicately translates each facial region into the manga domain by a tailored multi-GANs architecture. For training MangaGAN, we construct a new dataset collected from a popular manga work, containing manga facial features, landmarks, bodies, and so on. Moreover, to produce high-quality manga faces, we further propose a structural smoothing loss to smooth stroke-lines and avoid noisy pixels, and a similarity preserving module to improve the similarity between domains of photo and manga. Extensive experiments show that MangaGAN can produce high-quality manga faces which preserve both the facial similarity and a popular manga style, and outperforms other related state-of-the-art methods.
• Abstract（参考訳）: マンガ(manga)は、主に白黒のストローク線や幾何学的な誇張を用いて人間の容姿、ポーズ、行動などを表現した、日本発祥の世界的人気漫画である。 本稿では, 生成的逆ネットワーク(gan, generative adversarial network)を基盤としたマンガガン(mangagan)を提案する。 マンガアーティストがいかにマンガを描くかに触発されたMangaGANは、デザインされたGANモデルによってマンガの幾何学的特徴を生成し、カスタマイズされたマルチGANアーキテクチャにより、各顔領域をマンガドメインに微妙に翻訳する。 MangaGANのトレーニングのために,マンガの顔の特徴,ランドマーク,身体などを含む,人気マンガ作品から収集された新しいデータセットを構築した。 さらに,高品質なマンガ面を作成するために,スムースなストロークラインに対する構造的平滑化損失とノイズ画素の回避,およびフォトとマンガのドメイン間の類似性を向上させるための類似性保持モジュールを提案する。 広汎な実験により、マンガガンは、顔の類似性と人気マンガスタイルの両方を保ち、他の関連する最先端の手法よりも優れた高品質なマンガフェイスを生成できることが示されている。

関連論文リスト

• MangaUB: A Manga Understanding Benchmark for Large Multimodal Models [25.63892470012361]
  漫画(まんが)は、物語を伝えるための文体と文体を組み合わせた人気メディアである。 近年、現代の大規模マルチモーダルモデル(LMM)の適応性は、より一般的なアプローチの可能性を示している。 MangaUBは、単一のパネルに表示されるコンテンツの認識と理解を評価するとともに、複数のパネルにまたがって伝達されるように設計されている。
  論文  参考訳（メタデータ） (2024-07-26T18:21:30Z)
• Sketch2Manga: Shaded Manga Screening from Sketch with Diffusion Models [26.010509997863196]
  本稿では,まずスケッチからカラーイラストを作成し,次にスクリーントーンマンガを生成する新しいスケッチ・ツー・マンガフレームワークを提案する。 本手法は, シェード型高周波数スクリーントーンを用いた高品質マンガの製作において, 既存の手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-03-13T05:33:52Z)
• The Manga Whisperer: Automatically Generating Transcriptions for Comics [55.544015596503726]
  我々は,パネル,テキストボックス,文字ボックスを検出可能な統一モデル Magi を提案する。 本稿では,検出したテキストボックスを読み順にソートし,対話文を生成する手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T18:59:09Z)
• inkn'hue: Enhancing Manga Colorization from Multiple Priors with Alignment Multi-Encoder VAE [0.0]
  マンガ色化のための特殊フレームワークを提案する。 マルチエンコーダVAEを用いたシェーディングと鮮やかな色付けに確立されたモデルを活用する。 この構造化ワークフローは、参照イメージと手動ヒントを組み込むオプションによって、明確でカラフルな結果を保証する。
  論文  参考訳（メタデータ） (2023-11-03T09:33:32Z)
• DeepPortraitDrawing: Generating Human Body Images from Freehand Sketches [75.4318318890065]
  本稿では、大まかに描かれたスケッチをリアルな人体画像に変換するためのフレームワークであるDeepDrawingを紹介する。 様々なポーズの下で複雑な体形を符号化するために,我々は局所的・言語的アプローチをとる。 本手法は,最新のスケッチ・ツー・イメージ合成技術よりもリアルな画像を生成する。
  論文  参考訳（メタデータ） (2022-05-04T14:02:45Z)
• Unsupervised Manga Character Re-identification via Face-body and Spatial-temporal Associated Clustering [21.696847342192072]
  マンガの芸術的表現と様式的制限は、再同定問題に多くの課題をもたらす。 コンテンツに関連するいくつかの特徴がクラスタリングに役立つという考えから着想を得て,顔の身体と空間的関連クラスタリング法を提案する。 フェースボディ結合モジュールにおいて、アート創造における誇張や変形などの問題を解決するために、フェースボディグラフを構築する。 時空間関係補正モジュールにおいて,文字の出現特徴を分析し,時間空間関連三重項損失を設計し,クラスタリングを微調整する。
  論文  参考訳（メタデータ） (2022-04-10T07:28:41Z)
• HumanGAN: A Generative Model of Humans Images [78.6284090004218]
  本研究では,ポーズ,局所的な身体部分の外観,衣料品スタイルを制御できる服装者の画像生成モデルを提案する。 本モデルでは,正規化されたポーズ非依存空間に部分的潜在性出現ベクトルをエンコードし,異なるポーズに誘導し,様々な姿勢で身体や衣服の外観を保っている。
  論文  参考訳（メタデータ） (2021-03-11T19:00:38Z)
• AniGAN: Style-Guided Generative Adversarial Networks for Unsupervised Anime Face Generation [84.52819242283852]
  本稿では,肖像画をアニメ化するための新しい枠組みを提案する。 私たちの目標は、特定の参照アニメフェイスとスタイル一貫性のあるアニメフェイスを合成することです。 既存の方法は、しばしば参照アニメフェイスのスタイルを転送したり、生成された顔の局所的な形状に顕著なアーティファクトや歪みを導入することに失敗する。
  論文  参考訳（メタデータ） (2021-02-24T22:47:38Z)
• 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)

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。