論文の概要: Vectorization of Raster Manga by Deep Reinforcement Learning

• arxiv url: http://arxiv.org/abs/2110.04830v1
• Date: Sun, 10 Oct 2021 15:52:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 18:04:00.748305
• Title: Vectorization of Raster Manga by Deep Reinforcement Learning
• Title（参考訳）: 深部強化学習によるラスタマンガのベクトル化
• Authors: Hao Su, Jianwei Niu, Xuefeng Liu, Jiahe Cui, Ji Wan
• Abstract要約: We propose Mang2Vec, first approach for vectorizing mangas using Deep Reinforcement Learning (DRL)。 既存の学習に基づく画像ベクトル化とは違って,マンガ全体を基本的なプリミティブ「ストロークライン」の集合とみなす新たな視点を提示する。
• 参考スコア（独自算出の注目度）: 28.811599720804686
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Manga is a popular Japanese-style comic form that consists of black-and-white stroke lines. Compared with images of real-world scenarios, the simpler textures and fewer color gradients of mangas are the extra natures that can be vectorized. In this paper, we propose Mang2Vec, the first approach for vectorizing raster mangas using Deep Reinforcement Learning (DRL). Unlike existing learning-based works of image vectorization, we present a new view that considers an entire manga as a collection of basic primitives "stroke line", and the sequence of strokes lines can be deep decomposed for further vectorization. We train a designed DRL agent to produce the most suitable sequence of stroke lines, which is constrained to follow the visual feature of the target manga. Next, the control parameters of strokes are collected to translated to vector format. To improve our performances on visual quality and storage size, we further propose an SA reward to generate accurate stokes, and a pruning mechanism to avoid producing error and redundant strokes. Quantitative and qualitative experiments demonstrate that our Mang2Vec can produce impressive results and reaches the state-of-the-art level.
• Abstract（参考訳）: 漫画(まんが)は、白黒のストロークラインからなる和風の漫画。 現実のシナリオのイメージと比較すると、マンガのテクスチャが単純で色調が小さいことは、ベクトル化できる余分な性質である。 本稿では,Deep Reinforcement Learning (DRL) を用いたラスタマンガスのベクトル化手法であるMang2Vecを提案する。 画像ベクトル化の既存の学習に基づく作品とは異なり、マンガ全体を基本プリミティブの「ストロークライン」の集合とみなし、ストローク行のシーケンスはさらなるベクトル化のために深く分解することができる。 対象マンガの視覚的特徴に従うために制約されるストロークラインの最も適したシーケンスを生成するために,設計したdrlエージェントを訓練する。 次に、ストロークの制御パラメータを収集してベクトル形式に変換する。 さらに,視覚的品質と記憶容量の向上のために,正確なストークスを生成するSA報酬と,誤りや冗長なストロークの発生を回避するプルーニング機構を提案する。 定量的で質的な実験は、Mang2Vecが素晴らしい結果をもたらし、最先端のレベルに達することを実証しています。

関連論文リスト

• Vector Grimoire: Codebook-based Shape Generation under Raster Image Supervision [20.325246638505714]
  本稿では,GRIMOIREというテキスト誘導型生成モデルを紹介し,画像をベクトル形状に再構成して離散コードブックにマッピングする方法を提案する。 データから直接の監視を必要とする既存のモデルとは異なり、GRIMOIREはベクトル生成モデリングをはるかに多くのデータに開放するイメージ監督のみを使用して学習する。
  論文  参考訳（メタデータ） (2024-10-08T12:41:31Z)
• 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)
• 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)
• Deep Geometrized Cartoon Line Inbetweening [98.35956631655357]
  インベントワイニングは、2つの白黒線図の間の中間フレームを生成する。 画像全体のマッチングとワープに依存する既存のフレームメソッドは、ラインインテワイニングには適していない。 本稿では,AnimeInbetを提案する。これは幾何学的な線描画をエンドポイントにジオメトリし,グラフ融合問題としてインベントワイニングタスクを再構成する。 本手法は,線画の細部と細部を包含しながら,線画の細部と特異な構造を効果的に捉えることができる。
  論文  参考訳（メタデータ） (2023-09-28T17:50:05Z)
• Text-Guided Vector Graphics Customization [31.41266632288932]
  テキストのプロンプトに基づいて高品質なベクトルグラフィックスを生成する新しいパイプラインを提案する。 提案手法は,大規模な事前学習されたテキスト・ツー・イメージ・モデルの能力を利用する。 我々は,ベクトルレベル,画像レベル,テキストレベルの観点から,複数の指標を用いて評価を行った。
  論文  参考訳（メタデータ） (2023-09-21T17:59:01Z)
• VectorFusion: Text-to-SVG by Abstracting Pixel-Based Diffusion Models [82.93345261434943]
  画像の画素表現に基づいて訓練されたテキスト条件付き拡散モデルを用いて,SVG-exportable vector graphicsを生成する。 近年のテキスト・ツー・3D研究に触発されて,Score Distillation Smpling を用いたキャプションと整合したSVGを学習した。 実験では、以前の作品よりも品質が向上し、ピクセルアートやスケッチを含む様々なスタイルが示されている。
  論文  参考訳（メタデータ） (2022-11-21T10:04:27Z)
• Towards Layer-wise Image Vectorization [57.26058135389497]
  画像をSVGに変換し,画像トポロジを同時に維持するためのレイヤワイズ画像ベクトル化(LIVE)を提案する。 Liveは、人間の視点にセマンティックに整合した階層構造を持つコンパクトなフォームを生成する。 Liveは、デザイナの両方のために編集可能なSVGを起動し、他のアプリケーションで使用することができる。
  論文  参考訳（メタデータ） (2022-06-09T17:55:02Z)
• Cloud2Curve: Generation and Vectorization of Parametric Sketches [109.02932608241227]
  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。
  論文  参考訳（メタデータ） (2021-03-29T12:09:42Z)
• DeepSVG: A Hierarchical Generative Network for Vector Graphics Animation [217.86315551526235]
  本稿では,複雑なSVGアイコンの生成と操作のために,DeepSVGと呼ばれる新しい階層型生成ネットワークを提案する。 我々のアーキテクチャは、その形状自体をエンコードする低レベルのコマンドから、効果的に高レベルの形状を分離します。 我々のネットワークは、多様なベクトルグラフィックスを正確に再構築し、強力なアニメーションツールとして機能することを実証する。
  論文  参考訳（メタデータ） (2020-07-22T09:36:31Z)

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。