論文の概要: Neural Strokes: Stylized Line Drawing of 3D Shapes

• arxiv url: http://arxiv.org/abs/2110.03900v1
• Date: Fri, 8 Oct 2021 05:40:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-11 16:29:22.648352
• Title: Neural Strokes: Stylized Line Drawing of 3D Shapes
• Title（参考訳）: ニューラルストローク:3次元形状のスタイリッシュライン描画
• Authors: Difan Liu, Matthew Fisher, Aaron Hertzmann, Evangelos Kalogerakis
• Abstract要約: 本稿では3次元形状からスタイリングされた線図を作成するモデルを提案する。 モデルは3次元形状と視点を入力として取り、テクスチャ化されたストロークで描画を出力する。
• 参考スコア（独自算出の注目度）: 36.88356061690497
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces a model for producing stylized line drawings from 3D shapes. The model takes a 3D shape and a viewpoint as input, and outputs a drawing with textured strokes, with variations in stroke thickness, deformation, and color learned from an artist's style. The model is fully differentiable. We train its parameters from a single training drawing of another 3D shape. We show that, in contrast to previous image-based methods, the use of a geometric representation of 3D shape and 2D strokes allows the model to transfer important aspects of shape and texture style while preserving contours. Our method outputs the resulting drawing in a vector representation, enabling richer downstream analysis or editing in interactive applications.
• Abstract（参考訳）: 本稿では,3次元形状のスタイライゼーション線描画モデルを提案する。 モデルは3次元の形状と視点を入力として取り、アーティストのスタイルから学んだストロークの厚さ、変形、色の変化でテクスチャ化されたストロークの描画を出力する。 モデルは完全に異なる。 別の3d形状のトレーニングドローイングからパラメータをトレーニングします。 従来のイメージベース手法とは対照的に,3次元形状と2次元ストロークの幾何学表現を用いることで,輪郭を保ちながら,形状やテクスチャスタイルの重要な側面を伝達できることを示す。 提案手法はベクトル表現の描画結果を出力し,よりリッチな下流解析やインタラクティブなアプリケーションでの編集を可能にする。

関連論文リスト

• Sketch3D: Style-Consistent Guidance for Sketch-to-3D Generation [55.73399465968594]
  本稿では,テキスト記述と一致する色と入力スケッチに整合した形状のリアルな3Dアセットを生成するための,新しい生成パラダイムSketch3Dを提案する。 3つの戦略は、3次元ガウスの最適化、すなわち分布伝達機構による構造最適化、直感的なMSE損失による色最適化、CLIPに基づく幾何学的類似性損失によるスケッチ類似性最適化である。
  論文  参考訳（メタデータ） (2024-04-02T11:03:24Z)
• Doodle Your 3D: From Abstract Freehand Sketches to Precise 3D Shapes [118.406721663244]
  本稿では,抽象モデリングとクロスモーダル対応を容易にする,新しい部分レベルモデリング・アライメントフレームワークを提案する。 提案手法は,CLIPassoエッジマップと投影された3次元部分領域との対応性を確立することで,スケッチモデリングにシームレスに拡張する。
  論文  参考訳（メタデータ） (2023-12-07T05:04:33Z)
• Neural 3D Strokes: Creating Stylized 3D Scenes with Vectorized 3D Strokes [20.340259111585873]
  ニューラル3Dストロークス(Neural 3D Strokes)は、多視点2D画像から任意の新しいビューで3Dシーンのスタイリング画像を生成する新しい技術である。 提案手法は,ベクトルストロークによる人間のアートワークのプログレッシブ・ペインティングの過程をシミュレートし,イメージ・ツー・ペインティング法からインスピレーションを得ている。
  論文  参考訳（メタデータ） (2023-11-27T09:02:21Z)
• Michelangelo: Conditional 3D Shape Generation based on Shape-Image-Text Aligned Latent Representation [47.945556996219295]
  本稿では2次元画像やテキストに基づいて3次元形状を生成する新しいアライメント前世代手法を提案する。 我々のフレームワークは、形状-画像-テキスト対応変分自動エンコーダ(SITA-VAE)と条件付き形状遅延拡散モデル(ASLDM)の2つのモデルで構成されている。
  論文  参考訳（メタデータ） (2023-06-29T17:17:57Z)
• 3D VR Sketch Guided 3D Shape Prototyping and Exploration [108.6809158245037]
  本稿では,3次元VRスケッチを条件として行う3次元形状生成ネットワークを提案する。 スケッチは初心者がアートトレーニングなしで作成していると仮定する。 本手法は,オリジナルスケッチの構造に整合した複数の3次元形状を生成する。
  論文  参考訳（メタデータ） (2023-06-19T10:27:24Z)
• Cross-Modal 3D Shape Generation and Manipulation [62.50628361920725]
  本稿では,2次元のモダリティと暗黙の3次元表現を共用した多モード生成モデルを提案する。 グレースケールラインスケッチとレンダリングカラー画像の2つの代表的な2次元モーダル性について,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2022-07-24T19:22:57Z)
• Detailed Avatar Recovery from Single Image [50.82102098057822]
  本稿では,単一画像からエンフデテールアバターを回収するための新しい枠組みを提案する。 階層的メッシュ変形フレームワークでは、ディープニューラルネットワークを使用して3次元形状を洗練しています。 本手法は,皮膚モデルを超えて,完全なテクスチャで詳細な人体形状を復元することができる。
  論文  参考訳（メタデータ） (2021-08-06T03:51:26Z)
• Landmark Detection and 3D Face Reconstruction for Caricature using a Nonlinear Parametric Model [27.553158595012974]
  画像の自動ランドマーク検出と3次元顔再構成のための最初の自動手法を提案する。 構築されたデータセットと非線形パラメトリックモデルに基づいて,入力された2次元似顔画像から3次元顔形状と向きを回帰するニューラルネットワークに基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-04-20T10:34:52Z)
• Neural Contours: Learning to Draw Lines from 3D Shapes [20.650770317411233]
  本アーキテクチャでは,3次元モデルの幾何学的特徴を操作可能なモジュールと,ビューに基づく形状表現を操作可能なイメージベースモジュールが組み込まれている。 テスト時には、幾何学的およびビューに基づく推論とニューラルモジュールの助けが組み合わさって線図を作成する。
  論文  参考訳（メタデータ） (2020-03-23T15:37:49Z)

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。