論文の概要: Making Robots Draw A Vivid Portrait In Two Minutes
- arxiv url: http://arxiv.org/abs/2005.05526v3
- Date: Tue, 21 Jul 2020 07:20:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-03 19:34:44.899101
- Title: Making Robots Draw A Vivid Portrait In Two Minutes
- Title（参考訳）: 2分で生き生きとした肖像画を描くロボット
- Authors: Fei Gao, Jingjie Zhu, Zeyuan Yu, Peng Li, Tao Wang
- Abstract要約: 本稿では,顔画像を自動的に鮮明な肖像画に転送し,平均2分以内に紙に描画する描画ロボットを提案する。
我々のシステムの中心は、ディープラーニングに基づく新しい肖像画合成アルゴリズムである。
ポートレート・ドローイング・ロボット・システムはAiSketcherと名付けられた。
- 参考スコア（独自算出の注目度）: 11.148458054454407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Significant progress has been made with artistic robots. However, existing
robots fail to produce high-quality portraits in a short time. In this work, we
present a drawing robot, which can automatically transfer a facial picture to a
vivid portrait, and then draw it on paper within two minutes averagely. At the
heart of our system is a novel portrait synthesis algorithm based on deep
learning. Innovatively, we employ a self-consistency loss, which makes the
algorithm capable of generating continuous and smooth brush-strokes. Besides,
we propose a componential sparsity constraint to reduce the number of
brush-strokes over insignificant areas. We also implement a local sketch
synthesis algorithm, and several pre- and post-processing techniques to deal
with the background and details. The portrait produced by our algorithm
successfully captures individual characteristics by using a sparse set of
continuous brush-strokes. Finally, the portrait is converted to a sequence of
trajectories and reproduced by a 3-degree-of-freedom robotic arm. The whole
portrait drawing robotic system is named AiSketcher. Extensive experiments show
that AiSketcher can produce considerably high-quality sketches for a wide range
of pictures, including faces in-the-wild and universal images of arbitrary
content. To our best knowledge, AiSketcher is the first portrait drawing robot
that uses neural style transfer techniques. AiSketcher has attended a quite
number of exhibitions and shown remarkable performance under diverse
circumstances.
- Abstract（参考訳）: 芸術的なロボットで重要な進歩を遂げた。
しかし、既存のロボットは短期間で高品質な肖像画を作ることができない。
そこで本研究では,顔の絵を自動的に鮮明な肖像画に転送し,それを平均2分以内に紙に描画する描画ロボットを提案する。
我々のシステムの中心は、ディープラーニングに基づく新しい肖像画合成アルゴリズムである。
革新的なことに,本アルゴリズムでは,連続的かつ円滑なブラシストロークを生成することができる自己抵抗損失を用いる。
また,不特定領域のブラシストローク数を減らすための成分スパルシリティ制約を提案する。
また,局所的なスケッチ合成アルゴリズムと,背景や詳細を扱う前処理および後処理技術も実装した。
本アルゴリズムは, 連続ブラシストロークのスパースセットを用いて, 個々の特徴を抽出する。
最後に、肖像画は一連の軌道に変換され、3自由度ロボットアームによって再生される。
肖像画を描くロボットシステムはすべてaisketcherと名付けられた。
大規模な実験により、AiSketcherは、任意のコンテンツの顔や普遍的な画像を含む幅広い画像に対して、かなり高品質なスケッチを作成できることが示されている。
われわれの知る限り、AiSketcherはニューラルスタイルの転送技術を使った最初の肖像画ロボットだ。
AiSketcherは多くの展覧会に参加し、様々な状況下で顕著なパフォーマンスを示した。
関連論文リスト
- SketcherX: AI-Driven Interactive Robotic drawing with Diffusion model and Vectorization Techniques [26.240518216121487]
SketcherXは、対話型人間ロボットエンゲージメントによる人物像のパーソナライズのための新しいロボットシステムである。
アナログ印刷技術に頼っている従来のロボットアートシステムとは異なり、SketcherXは顔画像をキャプチャして処理し、独特な人間のような芸術スタイルでベクター化された描画を生成する。
論文 参考訳（メタデータ） (2024-09-04T02:20:22Z) - Stylized Face Sketch Extraction via Generative Prior with Limited Data [6.727433982111717]
StyleSketchは、顔画像から高解像度のスタイリングスケッチを抽出する方法である。
事前訓練されたStyleGANの深い特徴の豊富なセマンティクスを用いて、16対の顔とそれに対応するスケッチイメージでスケッチジェネレータを訓練することができる。
論文 参考訳（メタデータ） (2024-03-17T16:25:25Z) - AniFaceDrawing: Anime Portrait Exploration during Your Sketching [9.933240729830151]
本稿では,ユーザによるアニメ肖像画作成を支援する人工知能の活用方法について述べる。
入力は、ストロークによって徐々に洗練される不完全なフリーハンドスケッチのシーケンスである。
出力は、入力スケッチに対応する高品質なアニメのポートレートのシーケンスである。
論文 参考訳（メタデータ） (2023-06-13T00:43:47Z) - Semantic-aware Generation of Multi-view Portrait Drawings [16.854527555637063]
多視点の肖像画を合成するためのセマンティック・アウェア・ジェネレータ(SAGE)を提案する。
私たちのモチベーションは、顔のセマンティックラベルがビューに一貫性があり、描画技術と相関していることです。
SAGEは、既存の3D認識画像合成法と比較して、非常に優れた性能または高い競争性能を達成している。
論文 参考訳（メタデータ） (2023-05-04T07:48:27Z) - Picture that Sketch: Photorealistic Image Generation from Abstract
Sketches [109.69076457732632]
この論文は、あなたや私のような訓練を受けていないアマチュアの抽象的で変形した普通のスケッチから、それをフォトリアリスティックなイメージに変えます。
まず、エッジマップのようなスケッチを指示するのではなく、抽象的なフリーハンドな人間のスケッチで作業することを目指しています。
そうすることで、スケッチから写真までのパイプラインを民主化し、スケッチがどれだけよいかに関わらず、スケッチを"写真化"します。
論文 参考訳（メタデータ） (2023-03-20T14:49:03Z) - Make Your Brief Stroke Real and Stereoscopic: 3D-Aware Simplified Sketch
to Portrait Generation [51.64832538714455]
既存の研究は2次元平面の像のみを固定ビューで生成し、その結果を鮮明にしない。
本稿では立体視による簡易スケッチ・トゥ・ポートレート(SSSP)について述べる。
我々の重要な洞察は、三面体ベースの3D認識生成モデルの事前知識を十分に活用できるスケッチ認識制約を設計することである。
論文 参考訳（メタデータ） (2023-02-14T06:28:42Z) - From Scratch to Sketch: Deep Decoupled Hierarchical Reinforcement
Learning for Robotic Sketching Agent [20.406075470956065]
我々は,ロボットスケッチの問題を階層的強化学習の深層化として定式化する。
脳卒中ベースのレンダリングと運動制御の2つのポリシーを独立に学習し、描画のサブタスクを実現する。
実験の結果,2つの政策がサブタスクの学習に成功し,目標画像のスケッチに協力することが確認された。
論文 参考訳（メタデータ） (2022-08-09T15:18:55Z) - CtlGAN: Few-shot Artistic Portraits Generation with Contrastive Transfer
Learning [77.27821665339492]
CtlGANは、新しいコントラッシブ・トランスファー学習戦略を備えた、数発のアート・ポートレート生成モデルである。
ソースドメインで事前訓練したStyleGANを,対象の芸術領域に適応させる。
実面をZ+空間に埋め込んだ新しいエンコーダを提案し,適応型デコーダに対処するためのデュアルパストレーニング戦略を提案する。
論文 参考訳（メタデータ） (2022-03-16T13:28:17Z) - 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) - 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) - B\'ezierSketch: A generative model for scalable vector sketches [132.5223191478268]
B'ezierSketchは、完全ベクトルスケッチのための新しい生成モデルであり、自動的にスケーラブルで高解像度である。
まず,各ストロークを最適なB'ezier曲線に埋め込むようにエンコーダを訓練する。
これにより、スケッチをパラマタライズされたストロークの短いシーケンスとして扱うことができ、これにより、より長いスケッチのために、より多くのキャパシティを持つ再帰的なスケッチジェネレータを訓練することができる。
論文 参考訳（メタデータ） (2020-07-04T21:30:52Z)
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。