論文の概要: Sketch-Inspector: a Deep Mixture Model for High-Quality Sketch Generation of Cats

• arxiv url: http://arxiv.org/abs/2011.04280v1
• Date: Mon, 9 Nov 2020 09:53:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 01:28:44.644752
• Title: Sketch-Inspector: a Deep Mixture Model for High-Quality Sketch Generation of Cats
• Title（参考訳）: sketch-inspector: 猫の高品質スケッチ生成のための深層混合モデル
• Authors: Yunkui Pang, Zhiqing Pan, Ruiyang Sun, Shuchong Wang
• Abstract要約: 本稿では,次のストロークの形状を提案するために,CNN予測器を用いたスケッチ生成システムを提案する。 CNNに基づく識別器を導入し、最終製品の認識可能性を判定する。 猫の画像の識別が容易であるため、QuickDrawデータセットから選択した猫のスケッチを考える。
• 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: With the involvement of artificial intelligence (AI), sketches can be automatically generated under certain topics. Even though breakthroughs have been made in previous studies in this area, a relatively high proportion of the generated figures are too abstract to recognize, which illustrates that AIs fail to learn the general pattern of the target object when drawing. This paper posits that supervising the process of stroke generation can lead to a more accurate sketch interpretation. Based on that, a sketch generating system with an assistant convolutional neural network (CNN) predictor to suggest the shape of the next stroke is presented in this paper. In addition, a CNN-based discriminator is introduced to judge the recognizability of the end product. Since the base-line model is ineffective at generating multi-class sketches, we restrict the model to produce one category. Because the image of a cat is easy to identify, we consider cat sketches selected from the QuickDraw data set. This paper compares the proposed model with the original Sketch-RNN on 75K human-drawn cat sketches. The result indicates that our model produces sketches with higher quality than human's sketches.
• Abstract（参考訳）: 人工知能(AI)の関与により、スケッチは特定のトピックの下で自動的に生成される。 この分野では以前の研究でブレークスルーが行われていたが、生成された数字の比較的高い割合は認識できないほど抽象的であり、aisは描画時に対象オブジェクトの一般的なパターンを学ばないことを示している。 本稿では,脳卒中発生過程の監視がより正確なスケッチ解釈につながることを示唆する。 そこで本論文では,次のストロークの形状を示唆する,畳み込みニューラルネットワーク(cnn)予測器を用いたスケッチ生成システムを提案する。 さらに、CNNに基づく識別器を導入し、最終製品の認識可能性を判断する。 ベースラインモデルはマルチクラスのスケッチを生成するのに有効ではないため、モデルを1つのカテゴリに制限する。 猫の画像は識別が容易であるため,quickdrawデータセットから選択した猫スケッチを考察する。 本稿では,提案モデルとオリジナルのSketch-RNNを75Kの猫のスケッチで比較する。 その結果,本モデルは人間のスケッチよりも高品質なスケッチを生成することがわかった。

関連論文リスト

• Freehand Sketch Generation from Mechanical Components [16.761960706420066]
  MSFormerは、機械部品用に調整されたヒューマノイドフリーハンドスケッチを初めて製作した。 第1段階では、機械部品からマルチビューの輪郭スケッチを得るためにOpen CASCADE技術を採用している。 第2段階では、輪郭スケッチをトランスフォーマーベースのジェネレータによるフリーハンドスケッチに変換する。
  論文  参考訳（メタデータ） (2024-08-12T07:44:19Z)
• SketchGPT: Autoregressive Modeling for Sketch Generation and Recognition [4.6519578789100215]
  SketchGPTはフレキシブルなフレームワークで、シーケンスからシーケンスへの自動回帰モデルを用いてスケッチ生成と補完を行う。 複雑なスケッチを抽象的プリミティブの単純化されたシーケンスにマッピングすることで、自動回帰モデリングのための入力を大幅に合理化する。
  論文  参考訳（メタデータ） (2024-05-06T01:24:14Z)
• It's All About Your Sketch: Democratising Sketch Control in Diffusion Models [114.73766136068357]
  本稿では,拡散モデルにおけるスケッチの可能性を明らかにするとともに,生成型AIにおける直接スケッチ制御の詐欺的可能性に対処する。 私たちはこのプロセスを民主化し、アマチュアのスケッチが正確なイメージを生成できるようにします。
  論文  参考訳（メタデータ） (2024-03-12T01:05:25Z)
• Sketch2Saliency: Learning to Detect Salient Objects from Human Drawings [99.9788496281408]
  本研究では,スケッチを弱いラベルとして使用して,画像中の有能な物体を検出する方法について検討する。 これを実現するために,与えられた視覚写真に対応する逐次スケッチ座標を生成することを目的としたフォト・ツー・スケッチ生成モデルを提案する。 テストは、私たちの仮説を証明し、スケッチベースの唾液度検出モデルが、最先端技術と比較して、競争力のあるパフォーマンスを提供する方法を明確にします。
  論文  参考訳（メタデータ） (2023-03-20T23:46:46Z)
• TreeSketchNet: From Sketch To 3D Tree Parameters Generation [4.234843176066354]
  スタイリングされたスケッチからの非線形オブジェクトの3Dモデリングは、コンピュータグラフィックスの専門家にとっても難しい課題である。 本稿では,モデラーと3Dモデリングソフトウェアを仲介するブローカーシステムを提案する。
  論文  参考訳（メタデータ） (2022-07-25T16:08:05Z)
• I Know What You Draw: Learning Grasp Detection Conditioned on a Few Freehand Sketches [74.63313641583602]
  そこで本研究では,スケッチ画像に関連のある潜在的な把握構成を生成する手法を提案する。 私たちのモデルは、現実世界のアプリケーションで簡単に実装できるエンドツーエンドで訓練され、テストされています。
  論文  参考訳（メタデータ） (2022-05-09T04:23:36Z)
• 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)
• Sketch-BERT: Learning Sketch Bidirectional Encoder Representation from Transformers by Self-supervised Learning of Sketch Gestalt [125.17887147597567]
  我々は、トランスフォーマー(Sketch-BERT)からのSketch BiBERT表現の学習モデルを提案する。 BERTをドメインのスケッチに一般化し、新しいコンポーネントと事前学習アルゴリズムを提案する。 Sketch-BERTの学習表現は,スケッチ認識,スケッチ検索,スケッチゲットといった下流タスクの性能向上に有効であることを示す。
  論文  参考訳（メタデータ） (2020-05-19T01:35:44Z)
• 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。