論文の概要: Learning to Caricature via Semantic Shape Transform
- arxiv url: http://arxiv.org/abs/2008.05090v2
- Date: Thu, 13 Aug 2020 06:58:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 05:23:23.283334
- Title: Learning to Caricature via Semantic Shape Transform
- Title(参考訳): 意味的形状変換による似顔絵の学習
- Authors: Wenqing Chu, Wei-Chih Hung, Yi-Hsuan Tsai, Yu-Ting Chang, Yijun Li,
Deng Cai, Ming-Hsuan Yang
- Abstract要約: 本稿では,意味的形状変換に基づくアルゴリズムを提案する。
提案手法は,顔の構造を維持しつつ,視覚的に心地よい形状の誇張を表現できることを示す。
- 参考スコア(独自算出の注目度): 95.25116681761142
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Caricature is an artistic drawing created to abstract or exaggerate facial
features of a person. Rendering visually pleasing caricatures is a difficult
task that requires professional skills, and thus it is of great interest to
design a method to automatically generate such drawings. To deal with large
shape changes, we propose an algorithm based on a semantic shape transform to
produce diverse and plausible shape exaggerations. Specifically, we predict
pixel-wise semantic correspondences and perform image warping on the input
photo to achieve dense shape transformation. We show that the proposed
framework is able to render visually pleasing shape exaggerations while
maintaining their facial structures. In addition, our model allows users to
manipulate the shape via the semantic map. We demonstrate the effectiveness of
our approach on a large photograph-caricature benchmark dataset with
comparisons to the state-of-the-art methods.
- Abstract(参考訳): 似顔絵は、人の顔の特徴を抽象化したり誇張したりするために作られた芸術的な絵である。
視覚的な似顔絵のレンダリングは、専門的なスキルを必要とする難しい作業であり、そのような図面を自動的に生成する手法を設計することが大きな関心事である。
大規模な形状変化に対処するために,多様かつ妥当な形状の誇張を生成する意味的形状変換に基づくアルゴリズムを提案する。
具体的には,画素間の意味対応を予測し,入力画像に対して画像ウォーピングを行い,密な形状変換を実現する。
提案手法は,顔の構造を維持しつつ,視覚的に心地よい形状の誇張を表現できることを示す。
さらに,このモデルでは,ユーザがセマンティックマップを通じて形状を操作できる。
提案手法の有効性を,最先端手法と比較した大規模写真キャリキュア・ベンチマーク・データセットに示す。
関連論文リスト
- Image Collage on Arbitrary Shape via Shape-Aware Slicing and
Optimization [6.233023267175408]
任意の形状の画像コラージュを作成することができる形状スライシングアルゴリズムと最適化方式を提案する。
形状認識スライシング(Shape-Aware Slicing)は、不規則な形状に特化して設計されており、人間の知覚と形状構造を考慮に入れ、視覚的に心地よい仕切りを生成する。
論文 参考訳(メタデータ) (2023-11-17T09:41:30Z) - Differentiable Drawing and Sketching [0.0]
我々は、点、線、曲線をピクセルに描画する過程の微分可能な緩和を示す。
このリラクゼーションにより、エンドツーエンドの差別化可能なプログラムとディープネットワークを学習および最適化できます。
論文 参考訳(メタデータ) (2021-03-30T09:25:55Z) - Unsupervised Contrastive Photo-to-Caricature Translation based on
Auto-distortion [49.93278173824292]
Photo-to-caricatureは、スケッチ、鉛筆のストローク、その他の芸術的図面を通じて特徴を誇張するレンダリング画像として、似顔絵を合成することを目的としている。
スタイルレンダリングと幾何学的変形は、フォト・ツー・キャリキュア・トランスフォーメーション・タスクにおいて最も重要な側面である。
教師なしのコントラスト変換アーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-11-10T08:14:36Z) - 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) - Deep Generation of Face Images from Sketches [36.146494762987146]
ディープ・イメージ・ツー・イメージの翻訳技術により、フリーハンドスケッチから高速に顔画像を生成することができる。
既存のソリューションはスケッチに過度に適合する傾向にあり、プロのスケッチやエッジマップを入力として必要とします。
本稿では,画像の形状空間を暗黙的にモデル化し,この空間の顔画像を合成し,入力スケッチを近似する手法を提案する。
本手法は,入力スケッチをソフトな制約として使用することにより,粗いスケッチや不完全なスケッチであっても高品質な顔画像を生成することができる。
論文 参考訳(メタデータ) (2020-06-01T16:20:23Z) - Image Morphing with Perceptual Constraints and STN Alignment [70.38273150435928]
本稿では,一対の入力画像で動作する条件付きGANモーフィングフレームワークを提案する。
特別なトレーニングプロトコルは、知覚的類似性損失と組み合わせてフレームのシーケンスを生成し、時間とともにスムーズな変換を促進する。
我々は、古典的かつ潜時的な空間変形技術との比較を行い、自己スーパービジョンのための一連の画像から、我々のネットワークが視覚的に楽しむモーフィング効果を生成することを実証する。
論文 参考訳(メタデータ) (2020-04-29T10:49:10Z) - Fine-grained Image-to-Image Transformation towards Visual Recognition [102.51124181873101]
我々は,入力画像の同一性を保った画像を生成するために,微細なカテゴリで画像を変換することを目的としている。
我々は、画像のアイデンティティと非関連要因をアンハングルするために、生成的敵ネットワークに基づくモデルを採用する。
CompCarsとMulti-PIEデータセットの実験では、我々のモデルが生成した画像のアイデンティティを、最先端の画像-画像変換モデルよりもはるかによく保存していることが示された。
論文 参考訳(メタデータ) (2020-01-12T05:26:47Z) - Deep Plastic Surgery: Robust and Controllable Image Editing with
Human-Drawn Sketches [133.01690754567252]
スケッチベースの画像編集は、人間の描いたスケッチによって提供される構造情報に基づいて、写真を合成し、修正することを目的としている。
Deep Plastic Surgeryは、手書きのスケッチ入力を使って画像のインタラクティブな編集を可能にする、新しくて堅牢で制御可能な画像編集フレームワークである。
論文 参考訳(メタデータ) (2020-01-09T08:57:50Z)
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。