論文の概要: Exploiting Aliasing for Manga Restoration
- arxiv url: http://arxiv.org/abs/2105.06830v1
- Date: Fri, 14 May 2021 13:47:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-17 12:38:08.432751
- Title: Exploiting Aliasing for Manga Restoration
- Title（参考訳）: マンガ修復のためのエイリアシング
- Authors: Minshan Xie, Menghan Xia, Tien-Tsin Wong
- Abstract要約: 劣化したマンガから品質ビットマンガを復元する革新的な二段階法を提案する。
まず, スケール推定ネットワーク(SE-Net)を用いて, 劣化マンガから目標分解能を予測する。
そして、目標解像度で、マンガリカバリーネットワーク(MR-Net)を介して、地域単位のバイトンスクリーントーンを復元します。
- 参考スコア（独自算出の注目度）: 14.978972444431832
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As a popular entertainment art form, manga enriches the line drawings details
with bitonal screentones. However, manga resources over the Internet usually
show screentone artifacts because of inappropriate scanning/rescaling
resolution. In this paper, we propose an innovative two-stage method to restore
quality bitonal manga from degraded ones. Our key observation is that the
aliasing induced by downsampling bitonal screentones can be utilized as
informative clues to infer the original resolution and screentones. First, we
predict the target resolution from the degraded manga via the Scale Estimation
Network (SE-Net) with spatial voting scheme. Then, at the target resolution, we
restore the region-wise bitonal screentones via the Manga Restoration Network
(MR-Net) discriminatively, depending on the degradation degree. Specifically,
the original screentones are directly restored in pattern-identifiable regions,
and visually plausible screentones are synthesized in pattern-agnostic regions.
Quantitative evaluation on synthetic data and visual assessment on real-world
cases illustrate the effectiveness of our method.
- Abstract（参考訳）: 人気芸能の形式として、マンガは細部まで細部を細部まで細部まで刻み込む。
しかし、インターネット上のマンガリソースは通常、不適切なスキャン/リスケーリング解像度のためにスクリーントーンアーティファクトを表示する。
本稿では,劣化したものから高品質なビオナールマンガを復元する革新的な2段階手法を提案する。
以上より,バイトン系スクリーントーンのダウンサンプリングによって引き起こされるエイリアスが,元の解像度やスクリーントーンを推定するための情報的手がかりとして利用できることを示す。
まず, 空間投票方式を用いたスケール推定ネットワーク(SE-Net)を用いて, 劣化マンガの目標解像度を推定する。
そして, 目標解像度において, 劣化度に応じて, マンガ復元ネットワーク(MR-Net)を用いて, 領域ワイドのスクリーントーンを識別的に復元する。
具体的には、元のスクリーントンはパターン識別可能な領域で直接復元され、視覚的に可視なスクリーントンはパターン認識領域で合成される。
合成データの定量的評価と実例の視覚的評価は,本手法の有効性を示す。
関連論文リスト
- Sketch2Manga: Shaded Manga Screening from Sketch with Diffusion Models [26.010509997863196]
本稿では,まずスケッチからカラーイラストを作成し,次にスクリーントーンマンガを生成する新しいスケッチ・ツー・マンガフレームワークを提案する。
本手法は, シェード型高周波数スクリーントーンを用いた高品質マンガの製作において, 既存の手法よりも優れていた。
論文 参考訳（メタデータ） (2024-03-13T05:33:52Z) - APISR: Anime Production Inspired Real-World Anime Super-Resolution [15.501488335115269]
我々は,手描きフレームの繰り返し使用により,映像ネットワークやデータセットはアニメSRでは不要であると主張している。
代わりに,ビデオソースから最も圧縮され,最も情報に富んだフレームを選択することにより,アニメ画像収集パイプラインを提案する。
提案手法は,公開ベンチマークによる広範囲な実験により評価され,最先端のアニメデータセット学習手法よりも優れていた。
論文 参考訳（メタデータ） (2024-03-03T19:52:43Z) - Scenimefy: Learning to Craft Anime Scene via Semi-Supervised
Image-to-Image Translation [75.91455714614966]
そこで我々は,新しい半教師付き画像-画像間翻訳フレームワークであるScenimefyを提案する。
提案手法は,構造に一貫性のある擬似ペアデータによる学習を導く。
スタイル化と細部を改善するために、パッチワイドのコントラストスタイルロスが導入されている。
論文 参考訳（メタデータ） (2023-08-24T17:59:50Z) - Manga Rescreening with Interpretable Screentone Representation [21.638561901817866]
マンガページの適応または再購入のプロセスは、マンガアーティストがすべてのスクリーントーン領域で手作業で作業する必要がある時間を要する作業である。
マンガ適応に関わる人的労力を最小限に抑えることを目的とした自動マンガ再スクリーニングパイプラインを提案する。
パイプラインは自動的にスクリーントーン領域を認識し,新たに指定された特徴を持つ新規なスクリーントーンを生成する。
論文 参考訳（メタデータ） (2023-06-07T02:55:09Z) - Screentone-Aware Manga Super-Resolution Using DeepLearning [3.0638744222997034]
高品質な画像は送信を妨げ、視聴体験に影響を与える可能性がある。
従来のベクトル化法では、スクリーントーンの処理にかなりの量の手動パラメータ調整が必要となる。
超高解像度画像は、低透過率を維持し、高品質な結果を提供するとともに、高解像度画像を高解像度画像に変換することができる。
論文 参考訳（メタデータ） (2023-05-15T03:24:36Z) - 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) - Screentone-Preserved Manga Retargeting [27.415654292345355]
スクリーントーンを各スクリーン領域に保持しながら,再スケールしたマンガ画像を合成する手法を提案する。
再スケールされたマンガは,原漫画と同一領域のスクリーントーン対応を有しており,スクリーントーン問題を単純化することができる。
論文 参考訳（メタデータ） (2022-03-07T13:48:15Z) - CAMERAS: Enhanced Resolution And Sanity preserving Class Activation
Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。
CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文 参考訳（メタデータ） (2021-06-20T08:20:56Z) - ReGO: Reference-Guided Outpainting for Scenery Image [82.21559299694555]
生成的敵対学習は、与えられた画像に対して意味的一貫したコンテンツを生成することによって、画像の画質を向上した。
本研究は, 近隣の画素を借用することにより, テクスチャに富んだ結果を合成する原理について検討する。
生成した部品のスタイルが参照画像の影響を受けないようにするために,ReGOを増強し,スタイル一貫性のある結果を合成するスタイルランキングの損失が提案されている。
論文 参考訳（メタデータ） (2021-06-20T02:34:55Z) - High-Resolution Image Inpainting with Iterative Confidence Feedback and
Guided Upsampling [122.06593036862611]
既存の画像塗装法は、実アプリケーションで大きな穴を扱う際に、しばしばアーティファクトを生成する。
本稿では,フィードバック機構を備えた反復インペイント手法を提案する。
実験により,本手法は定量評価と定性評価の両方において既存手法よりも有意に優れていた。
論文 参考訳（メタデータ） (2020-05-24T13:23:45Z) - Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。
特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
論文 参考訳（メタデータ） (2020-03-02T13:28:32Z)
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。