論文の概要: Sketch Generation with Drawing Process Guided by Vector Flow and
Grayscale
- arxiv url: http://arxiv.org/abs/2012.09004v1
- Date: Wed, 16 Dec 2020 15:02:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-03 02:56:44.245976
- Title: Sketch Generation with Drawing Process Guided by Vector Flow and
Grayscale
- Title(参考訳): ベクトル流とグレースケールによる描画過程によるスケッチ生成
- Authors: Zhengyan Tong, Xuanhong Chen, Bingbing Ni, Xiaohang Wang
- Abstract要約: 高品質な鉛筆スケッチを生成するだけでなく,描画プロセスも提供できる新しい画像-ペンシル変換法を提案する。
既存の鉛筆スケッチアルゴリズムは、ストロークの直接模倣ではなくテクスチャレンダリングに基づいています。
- 参考スコア(独自算出の注目度): 44.23055069141409
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a novel image-to-pencil translation method that could not only
generate high-quality pencil sketches but also offer the drawing process.
Existing pencil sketch algorithms are based on texture rendering rather than
the direct imitation of strokes, making them unable to show the drawing process
but only a final result. To address this challenge, we first establish a pencil
stroke imitation mechanism. Next, we develop a framework with three branches to
guide stroke drawing: the first branch guides the direction of the strokes, the
second branch determines the shade of the strokes, and the third branch
enhances the details further. Under this framework's guidance, we can produce a
pencil sketch by drawing one stroke every time. Our method is fully
interpretable. Comparison with existing pencil drawing algorithms shows that
our method is superior to others in terms of texture quality, style, and user
evaluation.
- Abstract(参考訳): 高品質な鉛筆スケッチを生成するだけでなく,描画プロセスも提供できる新しい画像-ペンシル変換法を提案する。
既存の鉛筆スケッチアルゴリズムは、ストロークの直接の模倣ではなく、テクスチャレンダリングに基づいており、描画プロセスは表示できないが最終的な結果に過ぎない。
この課題に対処するため,まず鉛筆ストローク模倣機構を確立する。
次に、ストローク描画を導く3つのブランチからなるフレームワークを開発し、第1のブランチがストロークの方向を案内し、第2のブランチがストロークのシェードを決定し、第3のブランチがさらに詳細を強化する。
このフレームワークのガイダンスでは、毎回1ストロークを描くことで、鉛筆のスケッチを作成できる。
我々の方法は完全に解釈できる。
既存の鉛筆描画アルゴリズムと比較すると,本手法はテクスチャ品質,スタイル,ユーザ評価の点で他よりも優れている。
関連論文リスト
- PatternPortrait: Draw Me Like One of Your Scribbles [2.01243755755303]
本稿では,絵画から抽象的な肖像画を作成する方法を紹介する。
その独特のスタイルは、単一のフリーハンドパターンのスケッチを参照として利用して、シェーディングのためのユニークなパターンを生成する。
この方法は、画像から顔や身体の特徴を抽出し、それらをベクトル線に変換する。
論文 参考訳(メタデータ) (2024-01-22T12:33:11Z) - 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) - 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) - 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) - Multi-granularity Association Learning Framework for on-the-fly
Fine-Grained Sketch-based Image Retrieval [7.797006835701767]
きめ細かいスケッチベース画像検索(FG-SBIR)は、与えられたクエリスケッチで特定の写真を取得する問題に対処する。
本研究では,最小のストローク数で対象写真を検索することを目的とした(不完全スケッチ)。
非完全スケッチの埋め込み空間をさらに最適化する多粒性関連学習フレームワークを提案する。
論文 参考訳(メタデータ) (2022-01-13T14:38:50Z) - Sketch2Mesh: Reconstructing and Editing 3D Shapes from Sketches [65.96417928860039]
スケッチのメッシュ変換にはエンコーダ/デコーダアーキテクチャを使用する。
このアプローチはデプロイが容易で、スタイル変更に堅牢であり、効果的であることを示します。
論文 参考訳(メタデータ) (2021-04-01T14:10:59Z) - 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。