論文の概要: Bridging Unpaired Facial Photos And Sketches By Line-drawings
- arxiv url: http://arxiv.org/abs/2102.00635v2
- Date: Wed, 3 Feb 2021 03:53:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-04 13:32:55.049171
- Title: Bridging Unpaired Facial Photos And Sketches By Line-drawings
- Title(参考訳): ライン描画による顔写真とスケッチの橋渡し
- Authors: Meimei Shang, Fei Gao, Xiang Li, Jingjie Zhu, Lingna Dai
- Abstract要約: 非ペアデータを用いて顔のスケッチ合成モデルを学習する新しい手法を提案する。
画像とスケッチの両方を,ニューラルスタイルの転送手法を用いて線画にマッピングする。
実験の結果、sRenderはマルチスタイルのスケッチを生成することができ、既存の未ペア画像から画像への変換方法よりも大幅に優れていることが示された。
- 参考スコア(独自算出の注目度): 5.589846737887013
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose a novel method to learn face sketch synthesis
models by using unpaired data. Our main idea is bridging the photo domain
$\mathcal{X}$ and the sketch domain $Y$ by using the line-drawing domain
$\mathcal{Z}$. Specially, we map both photos and sketches to line-drawings by
using a neural style transfer method, i.e. $F: \mathcal{X}/\mathcal{Y} \mapsto
\mathcal{Z}$. Consequently, we obtain \textit{pseudo paired data}
$(\mathcal{Z}, \mathcal{Y})$, and can learn the mapping $G:\mathcal{Z} \mapsto
\mathcal{Y}$ in a supervised learning manner. In the inference stage, given a
facial photo, we can first transfer it to a line-drawing and then to a sketch
by $G \circ F$. Additionally, we propose a novel stroke loss for generating
different types of strokes. Our method, termed sRender, accords well with human
artists' rendering process. Experimental results demonstrate that sRender can
generate multi-style sketches, and significantly outperforms existing unpaired
image-to-image translation methods.
- Abstract(参考訳): 本論文では,不対データを用いて顔スケッチ合成モデルを学習する新しい手法を提案する。
私たちの主なアイデアは、写真ドメイン $\mathcal{X}$ とスケッチドメイン $Y$ を線引きドメイン $\mathcal{Z}$ を使ってブリッジすることです。
特に,画像とスケッチの両方を,ニューラルスタイルの転送手法を用いて線画にマッピングする。
F: \mathcal{X}/\mathcal{Y} \mapsto \mathcal{Z}$ である。
その結果、 \textit{pseudo paired data} $(\mathcal{z}, \mathcal{y})$ を得ることができ、マッピング $g:\mathcal{z} \mapsto \mathcal{y}$ を教師あり学習方法で学習することができる。
推論段階では、顔写真が与えられたら、まずラインドローイングに転送し、次に$G \circ F$でスケッチに転送できます。
さらに,異なるタイプのストロークを生成するための新しいストローク損失を提案する。
sRenderと呼ばれる私たちの方法は、人間のアーティストのレンダリングプロセスとよく一致します。
実験結果は、sRenderがマルチスタイルのスケッチを生成し、既存の不対画像から画像への変換方法を大幅に上回ることを実証した。
関連論文リスト
- Stylized Face Sketch Extraction via Generative Prior with Limited Data [6.727433982111717]
StyleSketchは、顔画像から高解像度のスタイリングスケッチを抽出する方法である。
事前訓練されたStyleGANの深い特徴の豊富なセマンティクスを用いて、16対の顔とそれに対応するスケッチイメージで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) (2024-03-17T16:25:25Z) - SketchINR: A First Look into Sketches as Implicit Neural Representations [120.4152701687737]
暗黙的ニューラルモデルを用いてベクトルスケッチの表現を前進させるSketchINRを提案する。
可変長ベクトルスケッチは、時間とストロークの関数として下層の形状を暗黙的に符号化する固定次元の潜時空間に圧縮される。
初めてSketchINRは、ストロークの数と複雑さの点で、さまざまな抽象化でスケッチを再現する人間の能力をエミュレートする。
論文 参考訳(メタデータ) (2024-03-14T12:49:29Z) - 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) - DiffFaceSketch: High-Fidelity Face Image Synthesis with Sketch-Guided
Latent Diffusion Model [8.1818090854822]
我々は,Sketch-Guided Latent Diffusion Model (SGLDM)を紹介した。
SGLDMは、さまざまな抽象レベルのスケッチから、異なる表情、顔のアクセサリー、ヘアスタイルで高品質な顔画像を合成することができる。
論文 参考訳(メタデータ) (2023-02-14T08:51:47Z) - Delving StyleGAN Inversion for Image Editing: A Foundation Latent Space
Viewpoint [76.00222741383375]
GANのインバージョンとStyleGANによる編集は、入力されたイメージを(mathcalW$, $mathcalW+$, $mathcalF$)埋め込みスペースにマッピングし、画像の忠実さと意味のある操作を同時に維持する。
最近のGANインバージョンメソッドでは、編集性を維持しながら再構築の忠実性を改善するために$mathcalW+$と$mathcalF$を探索する。
我々は、$mathcalW$と正確な潜伏者のための画像空間を整列するために、対照的な学習を導入する。
論文 参考訳(メタデータ) (2022-11-21T13:35:32Z) - SPAGHETTI: Editing Implicit Shapes Through Part Aware Generation [85.09014441196692]
本稿では, $mathbfE$diting $mathbfI$mplicit $mathbfS$hapes $mathbfT$hroughを紹介する。
我々のアーキテクチャは、形状セグメントを変換し、補間し、組み合わせることで、暗黙の形状の操作を可能にする。
論文 参考訳(メタデータ) (2022-01-31T12:31:41Z) - SketchEdit: Mask-Free Local Image Manipulation with Partial Sketches [95.45728042499836]
マスクレス局所画像操作という,スケッチに基づく画像操作の新しいパラダイムを提案する。
本モデルでは,対象の修正領域を自動的に予測し,構造型ベクトルにエンコードする。
ジェネレータは、スタイルベクトルとスケッチに基づいて、新しいイメージコンテンツを合成する。
論文 参考訳(メタデータ) (2021-11-30T02:42:31Z) - Face Sketch Synthesis with Style Transfer using Pyramid Column Feature [22.03011875851739]
写真から顔のスケッチを合成するためのディープニューラルネットワークに基づく新しいフレームワークを提案する。
まず、顔の形状と重要な顔の特徴を概説する内容画像を生成する。
その後、スケッチの詳細を強化するためにテクスチャとシェーディングが追加される。
論文 参考訳(メタデータ) (2020-09-18T08:15:55Z) - 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)
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。