論文の概要: Creative Sketch Generation

• arxiv url: http://arxiv.org/abs/2011.10039v2
• Date: Wed, 3 Mar 2021 20:01:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 20:23:54.058506
• Title: Creative Sketch Generation
• Title（参考訳）: 創造的スケッチ生成
• Authors: Songwei Ge, Vedanuj Goswami, C. Lawrence Zitnick and Devi Parikh
• Abstract要約: クリエイティブなスケッチのデータセットであるCreative BirdsとCreative Creaturesの2つを紹介します。 DoodlerGAN (Generative Adrial Network, GAN) を提案する。 人間の研究と同様に定量的評価は、我々のアプローチによって生成されたスケッチは、既存のアプローチよりも創造的で高品質であることを示している。
• 参考スコア（独自算出の注目度）: 48.16835161875747
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sketching or doodling is a popular creative activity that people engage in. However, most existing work in automatic sketch understanding or generation has focused on sketches that are quite mundane. In this work, we introduce two datasets of creative sketches -- Creative Birds and Creative Creatures -- containing 10k sketches each along with part annotations. We propose DoodlerGAN -- a part-based Generative Adversarial Network (GAN) -- to generate unseen compositions of novel part appearances. Quantitative evaluations as well as human studies demonstrate that sketches generated by our approach are more creative and of higher quality than existing approaches. In fact, in Creative Birds, subjects prefer sketches generated by DoodlerGAN over those drawn by humans! Our code can be found at https://github.com/facebookresearch/DoodlerGAN and a demo can be found at http://doodlergan.cloudcv.org.
• Abstract（参考訳）: スケッチやドリングは、人々が関与する人気のある創造活動です。 しかし、自動スケッチ理解や生成における既存の作品の多くは、非常に平凡なスケッチに焦点が当てられている。 本研究では,創造的スケッチの2つのデータセット - 創造的鳥と創造的生き物 - について紹介する。 我々は、新しい部分の出現の見当たらない構成を生成するために、部分ベースのジェネレーティブ・リバーサリー・ネットワーク(gan)であるdoodlerganを提案する。 定量的評価と人文研究は,提案手法によるスケッチが既存の手法よりも創造的かつ高品質であることを示す。 実際、Creative Birdsでは、被験者は人間よりDoodlerGANが生成したスケッチを好む。 私たちのコードはhttps://github.com/facebookresearch/doodlerganで、デモはhttp://doodlergan.cloudcv.orgで見ることができる。

関連論文リスト

• SketchDreamer: Interactive Text-Augmented Creative Sketch Ideation [111.2195741547517]
  画像の画素表現に基づいて訓練されたテキスト条件付き拡散モデルを用いて,制御されたスケッチを生成する手法を提案する。 我々の目標は、プロでないユーザにスケッチを作成させ、一連の最適化プロセスを通じて物語をストーリーボードに変換することです。
  論文  参考訳（メタデータ） (2023-08-27T19:44:44Z)
• 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)
• A Method for Animating Children's Drawings of the Human Figure [9.076663874652725]
  本研究では,子どもの人物図面を自動で編集するシステムを提案する。 Animated Drawings Demoを構築、リリースすることで、私たちのアプローチの価値と幅広い魅力を示します。
  論文  参考訳（メタデータ） (2023-03-07T22:31:28Z)
• Exploring Latent Dimensions of Crowd-sourced Creativity [0.02294014185517203]
  私たちは、AIベースの最大のクリエイティビティプラットフォームであるArtbreederの開発を行っています。 このプラットフォーム上で生成された画像の潜在次元を探索し、画像を操作するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-13T19:24:52Z)
• DoodleFormer: Creative Sketch Drawing with Transformers [68.18953603715514]
  創造的スケッチ(Creative sketching)またはドゥーリング(Duodling)は、日常の視覚的物体の想像的かつ以前は目に見えない描写が描かれた表現的活動である。 本稿では,クリエイティビティスケッチ生成問題を粗いスケッチ合成に分解する,粗い2段階のフレームワークDoodleFormerを提案する。 生成した創作スケッチの多様性を確保するため,確率論的粗いスケッチデコーダを導入する。
  論文  参考訳（メタデータ） (2021-12-06T18:59:59Z)
• SketchEmbedNet: Learning Novel Concepts by Imitating Drawings [125.45799722437478]
  モデルを用いて画像のスケッチを作成することによって学習した画像表現の特性について検討する。 この生成型クラスに依存しないモデルでは,新規な例,クラス,さらには新規なデータセットからの画像の情報埋め込みが,数ショットで生成されることが示されている。
  論文  参考訳（メタデータ） (2020-08-27T16:43:28Z)
• Exploring Crowd Co-creation Scenarios for Sketches [49.578304437046384]
  我々は、人間のみの共同創造シナリオについて研究する。 それぞれのシナリオの目標は、シンプルなWebインターフェースを使用してデジタルスケッチを作成することです。 複数の人間が反復的にストロークを付加し、最高の追加に投票することで、最高の創造性を持つスケッチが得られることが分かりました。
  論文  参考訳（メタデータ） (2020-05-15T02:28:35Z)

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。