論文の概要: Recovery of underdrawings and ghost-paintings via style transfer by deep convolutional neural networks: A digital tool for art scholars

• arxiv url: http://arxiv.org/abs/2101.10807v1
• Date: Mon, 4 Jan 2021 18:24:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 22:55:24.374228
• Title: Recovery of underdrawings and ghost-paintings via style transfer by deep convolutional neural networks: A digital tool for art scholars
• Title（参考訳）: 深層畳み込みニューラルネットワークによるパターン伝達による下絵と幽霊絵の復元 : 美術研究者のためのデジタルツール
• Authors: Anthony Bourached, George Cann, Ryan-Rhys Griffiths, David G. Stork
• Abstract要約: 本稿では,美術油絵における下絵の可視化とゴーストペイントの改善問題に対する畳み込みニューラルネットワーク方式の応用について述べる。 Pablo PicassoとLeonardoの作品に適用される私たちの概念実証システムは、ゴーストペイントの自然なセグメンテーションを尊重する色とデザインを明らかにします。
• 参考スコア（独自算出の注目度）: 0.7646713951724012
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We describe the application of convolutional neural network style transfer to the problem of improved visualization of underdrawings and ghost-paintings in fine art oil paintings. Such underdrawings and hidden paintings are typically revealed by x-ray or infrared techniques which yield images that are grayscale, and thus devoid of color and full style information. Past methods for inferring color in underdrawings have been based on physical x-ray fluorescence spectral imaging of pigments in ghost-paintings and are thus expensive, time consuming, and require equipment not available in most conservation studios. Our algorithmic methods do not need such expensive physical imaging devices. Our proof-of-concept system, applied to works by Pablo Picasso and Leonardo, reveal colors and designs that respect the natural segmentation in the ghost-painting. We believe the computed images provide insight into the artist and associated oeuvre not available by other means. Our results strongly suggest that future applications based on larger corpora of paintings for training will display color schemes and designs that even more closely resemble works of the artist. For these reasons refinements to our methods should find wide use in art conservation, connoisseurship, and art analysis.
• Abstract（参考訳）: 本稿では,美術油絵における下絵の可視化とゴーストペイントの改善問題に対する畳み込みニューラルネットワーク方式の応用について述べる。 このような下絵や隠された絵は、通常、グレースケールのイメージを生み出すX線や赤外線技術によって明らかにされ、色や完全なスタイルの情報がない。 過去の下絵における色推定法は、ゴーストペイントにおける顔料の物理X線分光画像に基づいており、高価で時間を要するため、ほとんどの保存スタジオでは利用できない設備を必要とする。 我々のアルゴリズムはそのような高価な物理画像装置を必要としない。 パブロ・ピカソ(pablo picasso)とレオナルド(leonardo)の作品に適用された概念実証システムは、ゴーストペイントの自然なセグメンテーションを尊重する色とデザインを明らかにする。 計算された画像は、他の方法では利用できないアーティストと関連する作品についての洞察を提供すると考えている。 以上の結果から,より大きな絵画のコーパスをベースとしたトレーニングが,アーティストの作品にさらに近いカラースキームやデザインを提示する可能性が示唆された。 これらの理由から,本手法の洗練は,美術保全,環境保全,美術分析に広く活用されるべきである。

関連論文リスト

• Inverse Painting: Reconstructing The Painting Process [24.57538165449989]
  我々はこれを自己回帰画像生成問題として定式化し、初期空白の「キャンバス」を反復的に更新する。 モデルは、多くのペイントビデオのトレーニングによって、実際のアーティストから学習する。
  論文  参考訳（メタデータ） (2024-09-30T17:56:52Z)
• Stroke-based Neural Painting and Stylization with Dynamically Predicted Painting Region [66.75826549444909]
  ストロークベースのレンダリングは、ストロークのセットで画像を再現することを目的としている。 本研究では,現在のキャンバスに基づいて絵画領域を予測する合成ニューラルネットワークを提案する。 我々は、新しい微分可能な距離変換損失を伴って、ストロークベースのスタイル転送に拡張する。
  論文  参考訳（メタデータ） (2023-09-07T06:27:39Z)
• Learning to Evaluate the Artness of AI-generated Images [64.48229009396186]
  アートスコア(ArtScore)は、アーティストによる本物のアートワークと画像がどの程度似ているかを評価するために設計されたメトリクスである。 我々は、写真とアートワークの生成のために事前訓練されたモデルを採用し、一連の混合モデルを生み出した。 このデータセットはニューラルネットワークのトレーニングに使用され、任意の画像の定量化精度レベルを推定する方法を学ぶ。
  論文  参考訳（メタデータ） (2023-05-08T17:58:27Z)
• Inversion-Based Style Transfer with Diffusion Models [78.93863016223858]
  以前の任意の例として誘導された芸術的画像生成法は、しばしば形状変化の制御や要素の伝達に失敗する。 画像のキー情報を効率よく正確に学習できるインバージョンベースのスタイル転送手法(InST)を提案する。
  論文  参考訳（メタデータ） (2022-11-23T18:44:25Z)
• A domain adaptive deep learning solution for scanpath prediction of paintings [66.46953851227454]
  本稿では,ある絵画の視覚的体験における視聴者の眼球運動分析に焦点を当てた。 我々は、人間の視覚的注意を予測するための新しいアプローチを導入し、人間の認知機能に影響を及ぼす。 提案した新しいアーキテクチャは、画像を取り込んでスキャンパスを返す。
  論文  参考訳（メタデータ） (2022-09-22T22:27:08Z)
• Perceptual Artifacts Localization for Inpainting [60.5659086595901]
  そこで本研究では,知覚的アーティファクトの自動セグメンテーションの学習タスクを提案する。 データセット上で高度なセグメンテーションネットワークをトレーニングし、インペイントされた画像内のインペイントされたアーティファクトを確実にローカライズする。 また, 対象領域と対象領域全体との比率である知覚人工物比 (PAR) という新しい評価指標を提案する。
  論文  参考訳（メタデータ） (2022-08-05T18:50:51Z)
• PTGCF: Printing Texture Guided Color Fusion for Impressionism Oil Painting Style Rendering [0.3249853429482705]
  ストロークテクスチャやターゲットスタイル画像の色などのスタイル情報の抽出が画像スタイリングの鍵となる。 油彩画のトーン特性と代表色を完全に考慮した新しいストロークレンダリング法を提案する。 実験により,提案モデルの有効性が検証された。
  論文  参考訳（メタデータ） (2022-07-26T00:31:23Z)
• Detecting Recolored Image by Spatial Correlation [60.08643417333974]
  画像のリカラー化は、画像の色値を操作して新しいスタイルを与える、新たな編集技術である。 本稿では,空間相関の観点から,従来型と深層学習による再色検出の汎用的検出能力を示す解を探索する。 提案手法は,複数のベンチマークデータセット上での最先端検出精度を実現し,未知の種類の再色法を適切に一般化する。
  論文  参考訳（メタデータ） (2022-04-23T01:54:06Z)
• 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)
• Image Inpainting with External-internal Learning and Monochromic Bottleneck [39.89676105875726]
  そこで本稿では,画像インパインティングモデルによるこれらのアーティファクトの除去を支援する,モノクロのボトルネックを持つ外部インパインティングスキームを提案する。 外部学習段階において,モノクロ空間における欠落構造と詳細を再構成し,学習次元を減らす。 内部学習段階において,一貫した色復元のためのプログレッシブ学習戦略を用いた新しい内部色伝播法を提案する。
  論文  参考訳（メタデータ） (2021-04-19T06:22:10Z)

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。