論文の概要: Cloud2Curve: Generation and Vectorization of Parametric Sketches

• arxiv url: http://arxiv.org/abs/2103.15536v1
• Date: Mon, 29 Mar 2021 12:09:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-30 15:25:19.308638
• Title: Cloud2Curve: Generation and Vectorization of Parametric Sketches
• Title（参考訳）: Cloud2Curve:パラメトリックスケッチの生成とベクトル化
• Authors: Ayan Das, Yongxin Yang, Timothy Hospedales, Tao Xiang and Yi-Zhe Song
• Abstract要約: スケーラブルな高分解能ベクトルスケッチ生成モデルであるCloud2Curveを提案する。 我々はQuick, Draw!でモデルの生成とベクトル化能力を評価する。 そしてKMNISTデータセット。
• 参考スコア（独自算出の注目度）: 109.02932608241227
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Analysis of human sketches in deep learning has advanced immensely through the use of waypoint-sequences rather than raster-graphic representations. We further aim to model sketches as a sequence of low-dimensional parametric curves. To this end, we propose an inverse graphics framework capable of approximating a raster or waypoint based stroke encoded as a point-cloud with a variable-degree B\'ezier curve. Building on this module, we present Cloud2Curve, a generative model for scalable high-resolution vector sketches that can be trained end-to-end using point-cloud data alone. As a consequence, our model is also capable of deterministic vectorization which can map novel raster or waypoint based sketches to their corresponding high-resolution scalable B\'ezier equivalent. We evaluate the generation and vectorization capabilities of our model on Quick, Draw! and K-MNIST datasets.
• Abstract（参考訳）: 深層学習における人間のスケッチの分析は,ラスター図形表現よりも waypoint-sequence を用いて大きく進歩している。 さらに、スケッチを低次元パラメトリック曲線の列としてモデル化する。 そこで本研究では,ラスタやウェイポイントで符号化されたストロークを,可変度B'ezier曲線の点クラウドとして近似できる逆グラフィックスフレームワークを提案する。 このモジュール上に構築したcloud2curveは,ポイントクラウドデータのみを使用してエンドツーエンドでトレーニング可能な,スケーラブルな高分解能ベクトルスケッチ生成モデルである。 その結果,本モデルでは,新しいラスタやウェイポイントベースのスケッチを対応する高解像度のスケーラブルなB\'ezier相当にマッピングできる決定論的ベクトル化も可能である。 我々はQuick, Draw!でモデルの生成とベクトル化能力を評価する。 そしてK-MNISTデータセット。

関連論文リスト

• Segmentation-guided Layer-wise Image Vectorization with Gradient Fills [6.037332707968933]
  そこで本稿では,画像を勾配を埋め込んだ簡潔なベクトルグラフに変換するためのセグメンテーション誘導ベクトル化フレームワークを提案する。 組込み勾配認識セグメンテーションの指導により, 段階的に勾配を埋め込んだB'ezierパスを出力に付加する。
  論文  参考訳（メタデータ） (2024-08-28T12:08:25Z)
• SuperSVG: Superpixel-based Scalable Vector Graphics Synthesis [66.44553285020066]
  SuperSVGは、高速かつ高精度な画像ベクトル化を実現するスーパーピクセルベースのベクトル化モデルである。 本稿では,2段階の自己学習フレームワークを提案する。そこでは,粗い段階モデルを用いて主構造を再構築し,細部を充実させるために改良段階モデルを用いる。 再現精度と推定時間の観点から, 最先端手法と比較して, 提案手法の優れた性能を示す実験を行った。
  論文  参考訳（メタデータ） (2024-06-14T07:43:23Z)
• Efficient Graph Field Integrators Meet Point Clouds [59.27295475120132]
  点雲を符号化するグラフ上での効率的な場積分のためのアルゴリズムを2種類提案する。 第1のクラスであるSeparatorFactorization(SF)は、ポイントメッシュグラフの有界属を利用するが、第2のクラスであるRFDiffusion(RFD)は、ポイントクラウドの一般的なepsilon-nearest-neighborグラフ表現を使用する。
  論文  参考訳（メタデータ） (2023-02-02T08:33:36Z)
• SSR-GNNs: Stroke-based Sketch Representation with Graph Neural Networks [34.759306840182205]
  本稿では,スケッチにおけるストローク情報,すなわちスケッチの一部が頂点にエンコードされ,エッジ上のストローク間情報であるスケッチのグラフ表現について検討する。 結果のグラフ表現は、分類タスクのためのグラフニューラルネットワークのトレーニングを容易にする。 提案した表現は,既存のデータセットから分離可能ながら,構造的に類似した斬新なスケッチの生成を可能にする。
  論文  参考訳（メタデータ） (2022-04-27T19:18:01Z)
• Coarse-to-fine Animal Pose and Shape Estimation [67.39635503744395]
  単一画像から3次元動物メッシュを再構成する粗大なアプローチを提案する。 粗い推定段階はまずSMALモデルのポーズ、形状、翻訳パラメータを推定する。 次に、推定メッシュをグラフ畳み込みネットワーク(GCN)によって開始点として使用し、精製段階における頂点毎の変形を予測する。
  論文  参考訳（メタデータ） (2021-11-16T01:27:20Z)
• Mean Nystr\"om Embeddings for Adaptive Compressive Learning [25.89586989444021]
  本研究では,データ依存型Nystr"om近似に基づくスケッチ処理の考え方について検討する。 我々はk平均クラスタリングとガウスモデルについて、固定されたスケッチサイズでは、Nystr"omのスケッチはランダムな特徴で構築されたスケッチよりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-21T09:05:58Z)
• Learning Gradient Fields for Shape Generation [69.85355757242075]
  点雲は、その形状の表面に密度が集中している3D点の分布からサンプルと見なすことができる。 非正規化確率密度の勾配上昇を行うことで点雲を生成する。 本モデルは,ログ密度場の勾配を直接予測し,スコアベース生成モデルに適応した単純な目的で学習することができる。
  論文  参考訳（メタデータ） (2020-08-14T18:06:15Z)
• 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)
• Optimal Transport Graph Neural Networks [31.191844909335963]
  現在のグラフニューラルネットワーク(GNN)アーキテクチャは、集約グラフ表現に平均または総和ノードを埋め込む。 本稿では,パラメトリックプロトタイプを用いたグラフ埋め込み計算モデルOT-GNNを紹介する。
  論文  参考訳（メタデータ） (2020-06-08T14:57:39Z)

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。