論文の概要: K-Hairstyle: A Large-scale Korean hairstyle dataset for virtual hair editing and hairstyle classification

• arxiv url: http://arxiv.org/abs/2102.06288v1
• Date: Thu, 11 Feb 2021 22:20:05 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-15 13:10:05.377878
• Title: K-Hairstyle: A Large-scale Korean hairstyle dataset for virtual hair editing and hairstyle classification
• Title（参考訳）: kヘアスタイル:仮想毛髪編集と髪型分類のための大規模韓国髪型データセット
• Authors: Taewoo Kim, Chaeyeon Chung, Sunghyun Park, Gyojung Gu, Keonmin Nam, Wonzo Choe, Jaesung Lee, Jaegul Choo
• Abstract要約: 高精細画像を持つ韓国人ヘアスタイルデータセットk-hairstyle 256,679について紹介する。 K髪型には、韓国のヘアスタイリストやヘアセグメンテーションマスクがアノテートした様々なヘア属性が含まれている。 我々は,髪型翻訳,髪型分類,髪型検索などのいくつかの応用を利用して,データセットの有効性を検証する。
• 参考スコア（独自算出の注目度）: 16.43221978371809
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The hair and beauty industry is one of the fastest growing industries. This led to the development of various applications, such as virtual hair dyeing or hairstyle translations, to satisfy the need of the customers. Although there are several public hair datasets available for these applications, they consist of limited number of images with low resolution, which restrict their performance on high-quality hair editing. Therefore, we introduce a novel large-scale Korean hairstyle dataset, K-hairstyle, 256,679 with high-resolution images. In addition, K-hairstyle contains various hair attributes annotated by Korean expert hair stylists and hair segmentation masks. We validate the effectiveness of our dataset by leveraging several applications, such as hairstyle translation, and hair classification and hair retrieval. Furthermore, we will release K-hairstyle soon.
• Abstract（参考訳）: 毛髪と美容産業は急速に成長している産業の1つである。 これは、顧客のニーズを満たすために、仮想的な髪染めやヘアスタイルの翻訳といった様々なアプリケーションの開発につながった。 これらのアプリケーションにはいくつかのパブリックヘアデータセットがありますが、解像度の低い画像の数が少ないため、高品質のヘア編集のパフォーマンスが制限されます。 そこで,高精細画像を用いた大規模韓国髪型データセットk-hairstyle 256,679について紹介する。 また、K髪型には、韓国のヘアスタイリストやヘアセグメンテーションマスクによって注釈付けされた様々なヘア属性が含まれている。 我々は,髪型翻訳,髪型分類,髪型検索などのいくつかの応用を利用して,データセットの有効性を検証する。 さらに、近々Kヘアスタイルをリリースします。

関連論文リスト

• HairDiffusion: Vivid Multi-Colored Hair Editing via Latent Diffusion [43.3852998245422]
  我々は,多段ヘアスタイルブレンド(MHB)を導入し,拡散遅延空間における毛髪の色と髪型を効果的に分離する。 また、髪の色をターゲット領域に合わせるために、ワープモジュールをトレーニングします。 本手法は多色ヘアスタイルの複雑さに対処するだけでなく,原色保存の課題にも対処する。
  論文  参考訳（メタデータ） (2024-10-29T06:51:52Z)
• Stable-Hair: Real-World Hair Transfer via Diffusion Model [23.500330976568296]
  現在のヘアトランスファー法は多様で複雑なヘアスタイルを扱うのに苦労しており、現実のシナリオでは適用性が制限される。 そこで本研究では,現実世界のヘアスタイルを仮想ヘアトライオンのためにユーザが提供する顔に堅牢に転送する,新しい拡散型ヘアトランスファーフレームワークであるtextitStable-Hairを提案する。
  論文  参考訳（メタデータ） (2024-07-19T07:14:23Z)
• HAAR: Text-Conditioned Generative Model of 3D Strand-based Human Hairstyles [85.12672855502517]
  そこで本研究では,3次元ヘアスタイルのための新しいストランドベース生成モデルであるHAARについて紹介する。 テキスト入力に基づいて、HAARは現代のコンピュータグラフィックスエンジンで生産レベルの資産として使用できる3Dヘアスタイルを生成する。
  論文  参考訳（メタデータ） (2023-12-18T19:19:32Z)
• A Local Appearance Model for Volumetric Capture of Diverse Hairstyle [15.122893482253069]
  ヘアは個人のアイデンティティと外観において重要な役割を担い、高品質で光現実主義的なアバターの重要な構成要素となっている。 既存のアプローチでは、顔領域のみをモデル化するか、パーソナライズされたモデルに依存し、一般化性とスケーラビリティを制限している。 ヘアスタイルの多彩な高忠実アバターを創出する新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-12-14T06:29:59Z)
• HairCLIPv2: Unifying Hair Editing via Proxy Feature Blending [94.39417893972262]
  HairCLIPは、テキスト記述や参照画像に基づいた毛髪編集を可能にする最初の作品である。 本稿では,上述したすべてのインタラクションを一つの統一フレームワークでサポートすることを目的としたHairCLIPv2を提案する。 鍵となるアイデアは、すべてのヘア編集タスクをヘア転写タスクに変換し、それに応じて編集条件を異なるプロキシに変換することである。
  論文  参考訳（メタデータ） (2023-10-16T17:59:58Z)
• Automatic Animation of Hair Blowing in Still Portrait Photos [61.54919805051212]
  静止画写真における人間の毛髪をアニメーション化するための新しいアプローチを提案する。 毛髪構造の複雑さを考慮し, 毛髪抽出を事例分割問題として, 革新的に扱う。 そこで本研究では, 毛髪を目立たせることなく, 快楽な動きで操作できるwisp対応アニメーションモジュールを提案する。
  論文  参考訳（メタデータ） (2023-09-25T15:11:40Z)
• Style Your Hair: Latent Optimization for Pose-Invariant Hairstyle Transfer via Local-Style-Aware Hair Alignment [29.782276472922398]
  本稿では,ポーズ不変なヘアスタイル転送モデルを提案する。 提案モデルでは,より大きなポーズの違い下で髪型を転写し,局所的な髪型テクスチャを保った。
  論文  参考訳（メタデータ） (2022-08-16T14:23:54Z)
• HairFIT: Pose-Invariant Hairstyle Transfer via Flow-based Hair Alignment and Semantic-Region-Aware Inpainting [26.688276902813495]
  ポーズ不変ヘアスタイル転送のための新しいフレームワークであるHairFITを提案する。 本モデルは,フローベース毛髪アライメントと毛髪合成の2段階からなる。 我々のSIM推定器は、画像中の隠蔽領域を異なる意味領域に分割し、塗装中の特徴を反映する。
  論文  参考訳（メタデータ） (2022-06-17T06:55:20Z)
• HairCLIP: Design Your Hair by Text and Reference Image [100.85116679883724]
  本稿では, 毛髪属性を個別に, 共同で操作できる新しい毛髪編集インタラクションモードを提案する。 画像とテキストの条件を共有埋め込み空間にエンコードし、統一的なヘア編集フレームワークを提案する。 念入りに設計されたネットワーク構造と損失関数により,我々のフレームワークは高品質な毛髪編集を行うことができる。
  論文  参考訳（メタデータ） (2021-12-09T18:59:58Z)
• MichiGAN: Multi-Input-Conditioned Hair Image Generation for Portrait Editing [122.82964863607938]
  MichiGANはインタラクティブな顔料の毛髪操作のための条件付き画像生成手法である。 我々は, 形状, 構造, 外観, 背景など, 主要毛髪の視覚的要因のすべてをユーザコントロールする。 また,直感的かつ高レベルなユーザ入力を投影することで,髪の直感的な操作を可能にするインタラクティブな肖像画毛髪編集システムを構築した。
  論文  参考訳（メタデータ） (2020-10-30T17:59:10Z)

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。