論文の概要: Neural Style Transfer for Remote Sensing
- arxiv url: http://arxiv.org/abs/2007.15920v1
- Date: Fri, 31 Jul 2020 09:30:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-04 06:31:07.255718
- Title: Neural Style Transfer for Remote Sensing
- Title（参考訳）: リモートセンシングのためのニューラルスタイル転送
- Authors: Maria Karatzoglidi, Georgios Felekis and Eleni Charou
- Abstract要約: 本研究の目的は,NSTアルゴリズムに基づく衛星画像から芸術地図を作成する方法を提案することである。
本手法は3つの基本的なステップを含む(例えば、元の衛星画像への意味的イメージセグメンテーションの適用、内容のクラス分割、各クラスに対するニューラルスタイル転送の適用、コラージュの作成)。
- 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: The well-known technique outlined in the paper of Leon A. Gatys et al., A
Neural Algorithm of Artistic Style, has become a trending topic both in
academic literature and industrial applications. Neural Style Transfer (NST)
constitutes an essential tool for a wide range of applications, such as
artistic stylization of 2D images, user-assisted creation tools and production
tools for entertainment applications. The purpose of this study is to present a
method for creating artistic maps from satellite images, based on the NST
algorithm. This method includes three basic steps (i) application of semantic
image segmentation on the original satellite image, dividing its content into
classes (i.e. land, water), (ii) application of neural style transfer for each
class and (iii) creation of a collage, i.e. an artistic image consisting of a
combination of the two stylized image generated on the previous step.
- Abstract（参考訳）: Leon A. Gatys らの論文 "A Neural Algorithm of Artistic Style" で概説された有名なテクニックは、学術文学と産業応用の両方においてトレンドとなっている。
Neural Style Transfer (NST)は、2D画像の芸術的スタイリング、ユーザ支援作成ツール、エンターテイメントアプリケーションのための制作ツールなど、幅広い用途に欠かせないツールである。
本研究の目的は,NSTアルゴリズムに基づく衛星画像から芸術地図を作成する方法を提案することである。
この方法は3つの基本的なステップを含む
(i)衛星画像における意味的画像分割の適用、その内容の分類(陸水)
(二)各クラス及びクラスに対するニューラルスタイル転送の適用
(iii)コラージュ、すなわち、前段の2つの様式化された画像の組み合わせからなる芸術的画像の作成。
関連論文リスト
- TextureDreamer: Image-guided Texture Synthesis through Geometry-aware
Diffusion [64.49276500129092]
TextureDreamerは画像誘導型テクスチャ合成法である。
少数の入力画像から任意のカテゴリでターゲットの3D形状に光沢のあるテクスチャを転送することができる。
論文 参考訳（メタデータ） (2024-01-17T18:55:49Z) - Generative AI Model for Artistic Style Transfer Using Convolutional
Neural Networks [0.0]
芸術的なスタイルの転送は、ある画像の内容を別の芸術的なスタイルに融合させ、ユニークな視覚的な構成を作り出すことである。
本稿では,畳み込みニューラルネットワーク(CNN)を用いた新しいスタイル伝達手法の概要を概説する。
論文 参考訳（メタデータ） (2023-10-27T16:21:17Z) - 3DAvatarGAN: Bridging Domains for Personalized Editable Avatars [75.31960120109106]
3D-GANは、一貫した構造を持つ大規模データセットのトレーニングにより、幾何学とテクスチャを合成する。
本稿では,ソースドメインが事前訓練された3D-GANであり,ターゲットドメインが2D-GANである適応フレームワークを提案する。
本稿では,芸術領域の誇張された幾何学をモデル化するための変形に基づく手法について述べる。
論文 参考訳（メタデータ） (2023-01-06T19:58:47Z) - Artistic Arbitrary Style Transfer [1.1279808969568252]
任意スタイル転送(英: Arbitrary Style Transfer)とは、コンテンツ画像とスタイル画像という2つの画像から新しい画像を生成する技術である。
構造とスタイルコンポーネントのバランシングは、他の最先端のアルゴリズムが解決しようとしている大きな課題である。
本研究では、畳み込みニューラルネットワークを用いたディープラーニングアプローチを用いて、これらの問題を解決する。
論文 参考訳（メタデータ） (2022-12-21T21:34:00Z) - Interactive Style Transfer: All is Your Palette [74.06681967115594]
本稿では,ユーザが対話的に調和したスタイルのイメージを作成できる,図形的な対話型スタイル転送(IST)手法を提案する。
私たちのISTメソッドは、どこからでもブラシやディップスタイルとして機能し、ターゲットのコンテンツイメージの任意の領域にペイントします。
論文 参考訳（メタデータ） (2022-03-25T06:38:46Z) - 3D Photo Stylization: Learning to Generate Stylized Novel Views from a
Single Image [26.71747401875526]
スタイル転送と2つの代表的なタスクとしてのシングルイメージの3D写真は、これまで独立して進化してきた。
シーンのポイントクラウド表現からテクスチャ化のための幾何学的コンテンツ特徴を学習する深層モデルを提案する。
本研究では,定性的・定量的研究を通じて,本手法の優位性を実証する。
論文 参考訳（メタデータ） (2021-11-30T23:27:10Z) - LiveStyle -- An Application to Transfer Artistic Styles [0.0]
ニューラルネットワークを用いたスタイルトランスファー(Style Transfer)とは、コンテンツイメージとスタイルイメージを取り込んでブレンドする最適化手法である。
本稿では,3種類のニューラルネットワークを用いて,一般市民が利用できるアプリケーションとしてスタイルトランスファーを実装した。
論文 参考訳（メタデータ） (2021-05-03T13:50:48Z) - Learned Spatial Representations for Few-shot Talking-Head Synthesis [68.3787368024951]
複数発話頭合成のための新しいアプローチを提案する。
この異方性表現は,従来の手法よりも大幅に改善されることを示す。
論文 参考訳（メタデータ） (2021-04-29T17:59:42Z) - 3DSNet: Unsupervised Shape-to-Shape 3D Style Transfer [66.48720190245616]
本稿では,3次元オブジェクト間のスタイル伝達のための学習に基づくアプローチを提案する。
提案手法は点雲とメッシュの両方で新しい3次元形状を合成することができる。
選択したドメインのマルチモーダルなスタイル分布を暗黙的に学習するために,我々の手法を拡張した。
論文 参考訳（メタデータ） (2020-11-26T16:59:12Z) - Geometric Style Transfer [74.58782301514053]
幾何学的スタイルの伝達をサポートするニューラルアーキテクチャを導入する。
新しいアーキテクチャはテクスチャスタイルを転送するネットワークに先立って実行される。
ユーザーはコンテント/スタイルのペアを一般的なように入力したり、コンテント/テクスチャスタイル/幾何学スタイルのトリプルを入力できる。
論文 参考訳（メタデータ） (2020-07-10T16:33:23Z) - Sketch-to-Art: Synthesizing Stylized Art Images From Sketches [23.75420342238983]
スケッチから完全に詳細なアートスティル化されたイメージを合成するための新しいアプローチを提案する。
スケッチ、セマンティックタグなし、特定のスタイルの参照イメージが与えられたモデルでは、色やテクスチャで意味のある詳細を合成することができる。
論文 参考訳（メタデータ） (2020-02-26T19:02:10Z)
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。