論文の概要: GIMP-ML: Python Plugins for using Computer Vision Models in GIMP
- arxiv url: http://arxiv.org/abs/2004.13060v3
- Date: Mon, 26 Oct 2020 16:19:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 05:39:24.490250
- Title: GIMP-ML: Python Plugins for using Computer Vision Models in GIMP
- Title(参考訳): GIMP-ML: GIMPでコンピュータビジョンモデルを使用するPythonプラグイン
- Authors: Kritik Soman
- Abstract要約: 本稿では,広く普及している画像操作プログラム(GIMP)用のPythonプラグイン群であるGIMP-ML v1.1を紹介する。
これにより、コンピュータビジョンの最近の進歩を従来の画像編集パイプラインに利用することができる。
- 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: This paper introduces GIMP-ML v1.1, a set of Python plugins for the widely
popular GNU Image Manipulation Program (GIMP). It enables the use of recent
advances in computer vision to the conventional image editing pipeline.
Applications from deep learning such as monocular depth estimation, semantic
segmentation, mask generative adversarial networks, image super-resolution,
de-noising, de-hazing, matting, enlightening and coloring have been
incorporated with GIMP through Python-based plugins. Additionally, operations
on images such as k-means based color clustering have also been added. GIMP-ML
relies on standard Python packages such as numpy, pytorch, open-cv, scipy.
Apart from these, several image manipulation techniques using these plugins
have been compiled and demonstrated in the YouTube channel
(https://youtube.com/user/kritiksoman) with the objective of demonstrating the
use-cases for machine learning based image modification. In addition, GIMP-ML
also aims to bring the benefits of using deep learning networks used for
computer vision tasks to routine image processing workflows. The code and
installation procedure for configuring these plugins is available at
https://github.com/kritiksoman/GIMP-ML.
- Abstract(参考訳): 本稿では,GIMP(GNU Image Manipulation Program)用のPythonプラグイン群であるGIMP-ML v1.1を紹介する。
これにより、従来の画像編集パイプラインへのコンピュータビジョンの最近の進歩を利用することができる。
単眼深度推定、セマンティックセグメンテーション、マスク生成敵ネットワーク、画像超解像、ノイズ除去、脱ハージング、マットティング、照明、着色といったディープラーニングの応用が、Pythonベースのプラグインを通じてGIMPに組み込まれている。
さらに、k-meansベースのカラークラスタリングなどの画像の操作も追加されている。
GIMP-MLはnumpy、pytorch、open-cv、scipyなどの標準Pythonパッケージに依存している。
これとは別に、これらのプラグインを使ったいくつかの画像操作技術がyoutubeチャンネル(https://youtube.com/user/kritiksoman)でコンパイルされ、デモされている。
さらに、GIMP-MLは、コンピュータビジョンタスクに使用されるディープラーニングネットワークを、画像処理ワークフローのルーチンに活用することも目標としている。
これらのプラグインを構成するためのコードとインストール手順はhttps://github.com/kritiksoman/GIMP-ML.comで公開されている。
関連論文リスト
- Subobject-level Image Tokenization [65.23922446850783]
トランスフォーマーベースの視覚モデルは通常、イメージを入力単位として固定サイズの正方形パッチにトークン化する。
言語モデルに広く採用されているサブワードトークン化に着想を得て,サブオブジェクトレベルでの画像トークン化手法を提案する。
論文 参考訳(メタデータ) (2024-02-22T06:47:44Z) - ManimML: Communicating Machine Learning Architectures with Animation [25.248584243340602]
我々は,機械学習アルゴリズムのアニメーションをコードから直接生成する,オープンソースのPythonライブラリManimMLを開発した。
ManimMLには、Pytorchのような人気のあるディープラーニングフレームワークを模倣するニューラルネットワークを指定するための、おなじみの構文がある。
既存のニューラルネットワークアーキテクチャを使用すれば,ManimMLでアニメーションの仕様を簡単に記述することができる。
論文 参考訳(メタデータ) (2023-06-29T17:08:53Z) - CoupAlign: Coupling Word-Pixel with Sentence-Mask Alignments for
Referring Image Segmentation [104.5033800500497]
画像セグメント化の参照は、自然言語文で記述された視覚オブジェクトのすべてのピクセルをローカライズすることを目的としている。
以前の作業では、参照オブジェクトをハイライトするために、文章の埋め込みとピクセルレベルの埋め込みを簡単に調整することを学びました。
単純で効果的なマルチレベル視覚系列アライメント法であるCoupAlignを提案する。
論文 参考訳(メタデータ) (2022-12-04T08:53:42Z) - Interactive Visualization of Protein RINs using NetworKit in the Cloud [57.780880387925954]
本稿では,タンパク質動態,特に残基相互作用ネットワーク(RIN)の例について考察する。
NetworKitを使ってクラウドベースの環境を構築しています。
このアプローチの汎用性を実証するために、私たちは、RIN視覚化のためのカスタムJupyterベースのウィジェットを構築するためにそれを使用します。
論文 参考訳(メタデータ) (2022-03-02T17:41:45Z) - SketchEdit: Mask-Free Local Image Manipulation with Partial Sketches [95.45728042499836]
マスクレス局所画像操作という,スケッチに基づく画像操作の新しいパラダイムを提案する。
本モデルでは,対象の修正領域を自動的に予測し,構造型ベクトルにエンコードする。
ジェネレータは、スタイルベクトルとスケッチに基づいて、新しいイメージコンテンツを合成する。
論文 参考訳(メタデータ) (2021-11-30T02:42:31Z) - Image Inpainting using Partial Convolution [0.3441021278275805]
本研究の目的は,部分的畳み込み層を用いた頑健な深層学習手法を用いて画像の塗り込みを行うことである。
様々な応用において、画像は、劣化した、失われた、または望ましくない情報の存在によって、しばしばノイズによって劣化する。
論文 参考訳(メタデータ) (2021-08-19T17:01:27Z) - PriorityCut: Occlusion-guided Regularization for Warp-based Image
Animation [0.0]
自己監視画像アニメーションアプローチは、駆動ビデオの動作に応じてソースイメージを警告し、塗り込みによりワーピングアーティファクトを復元する。
本稿では,ワープ画像のアニメーションに対するCutMixの効果について予備的検討を行う。
ワープ画像アニメーションを正規化するために、前景の上位Kパーセントの画素を使用する新しい拡張手法であるPriorityCutを提案する。
論文 参考訳(メタデータ) (2021-03-22T06:05:20Z) - COIN: COmpression with Implicit Neural representations [64.02694714768691]
画像圧縮のための新しい簡易手法を提案する。
画像の各ピクセルのRGB値を格納する代わりに、画像に過度に適合したニューラルネットワークの重みを格納する。
論文 参考訳(メタデータ) (2021-03-03T10:58:39Z) - PyMatting: A Python Library for Alpha Matting [0.4588028371034407]
我々はPython用のPyMattingパッケージを紹介し、アルファマッチング問題を解決するために様々なアプローチを実装している。
我々のツールボックスは、アルファマットを与えられた画像の前景を抽出することもできます。
論文 参考訳(メタデータ) (2020-03-25T18:46:23Z) - TorchIO: A Python library for efficient loading, preprocessing,
augmentation and patch-based sampling of medical images in deep learning [68.8204255655161]
我々はTorchIOというオープンソースのPythonライブラリを紹介し、ディープラーニングのための医療画像の効率的なロード、前処理、拡張、パッチベースのサンプリングを可能にする。
TorchIOはPyTorchのスタイルに従い、標準的な医用画像処理ライブラリを統合して、ニューラルネットワークのトレーニング中に画像を効率的に処理する。
Pythonを使わずに、画像ファイルに変換を適用できるコマンドラインインターフェースが含まれている。
論文 参考訳(メタデータ) (2020-03-09T13:36:16Z)
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。