Fugu-MT 論文翻訳(概要): Physically Embodied Deep Image Optimisation

論文の概要: Physically Embodied Deep Image Optimisation

arxiv url: http://arxiv.org/abs/2201.08142v1
Date: Thu, 20 Jan 2022 12:34:01 GMT
ステータス: 処理完了
システム内更新日: 2022-01-21 18:14:24.562781
Title: Physically Embodied Deep Image Optimisation
Title（参考訳）: 身体的深部画像最適化
Authors: Daniela Mihai and Jonathon Hare
Abstract要約: 物理的スケッチは、描画ロボットを制御するプログラムを学習することによって作成される。 differentiableiserは入力にマッチする描画ストロークのセットを最適化するために使われ、ディープネットワークを使用して損失を計算できるエンコーディングを提供する。最適化された描画プリミティブはGコードコマンドに変換され、物理的な支持媒体上のペンや鉛筆などの描画器具を使って画像を描くようにロボットに指示される。
参考スコア（独自算出の注目度）: 1.2691047660244335
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Physical sketches are created by learning programs to control a drawing robot. A differentiable rasteriser is used to optimise sets of drawing strokes to match an input image, using deep networks to provide an encoding for which we can compute a loss. The optimised drawing primitives can then be translated into G-code commands which command a robot to draw the image using drawing instruments such as pens and pencils on a physical support medium.
Abstract（参考訳）: 物理的スケッチは、描画ロボットを制御するプログラムを学習することによって作成される。微分可能なラステリザは、入力画像にマッチする描画ストロークのセットを最適化するために使われ、ディープネットワークを使用して損失を計算できるエンコーディングを提供する。最適化された描画プリミティブはgコードコマンドに変換され、ロボットがペンや鉛筆などの描画器具を使って物理支援媒体に絵を描くように指示する。

関連論文リスト

DeepIcon: A Hierarchical Network for Layer-wise Icon Vectorization [12.82009632507056]
近年,イメージをベクトル形式に変換する学習ベース手法では,不完全形状,冗長な経路予測,オリジナルコンテンツのセマンティクスの保存における精度の欠如が頻発している。本稿では,画像入力に基づいて可変長アイコングラフを生成する階層型画像ベクトル化ネットワークDeepIconを提案する。
論文参考訳（メタデータ） (2024-10-21T08:20:19Z)
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)
Equipping Sketch Patches with Context-Aware Positional Encoding for Graphic Sketch Representation [4.961362040453441]
グラフィックスケッチ表現を学習するための変分描画保護手法を提案する。スケッチ描画をグラフエッジに注入する代わりに、これらのシーケンシャル情報をグラフノードにのみ埋め込む。実験結果から,本手法はスケッチのヒーリングと制御可能なスケッチ合成を大幅に改善することが示された。
論文参考訳（メタデータ） (2024-03-26T09:26:12Z)
Sketch-Guided Text-to-Image Diffusion Models [57.12095262189362]
本稿では,事前訓練されたテキスト-画像拡散モデルを示す普遍的なアプローチを提案する。本手法では,タスク専用のモデルや専用エンコーダをトレーニングする必要はない。我々は、スケッチ・ツー・イメージの翻訳タスクに特に焦点をあて、画像を生成する堅牢で表現力のある方法を明らかにする。
論文参考訳（メタデータ） (2022-11-24T18:45:32Z)
I Know What You Draw: Learning Grasp Detection Conditioned on a Few Freehand Sketches [74.63313641583602]
そこで本研究では,スケッチ画像に関連のある潜在的な把握構成を生成する手法を提案する。私たちのモデルは、現実世界のアプリケーションで簡単に実装できるエンドツーエンドで訓練され、テストされています。
論文参考訳（メタデータ） (2022-05-09T04:23:36Z)
DeepPortraitDrawing: Generating Human Body Images from Freehand Sketches [75.4318318890065]
本稿では、大まかに描かれたスケッチをリアルな人体画像に変換するためのフレームワークであるDeepDrawingを紹介する。様々なポーズの下で複雑な体形を符号化するために,我々は局所的・言語的アプローチをとる。本手法は,最新のスケッチ・ツー・イメージ合成技術よりもリアルな画像を生成する。
論文参考訳（メタデータ） (2022-05-04T14:02:45Z)
Differentiable Drawing and Sketching [0.0]
我々は、点、線、曲線をピクセルに描画する過程の微分可能な緩和を示す。このリラクゼーションにより、エンドツーエンドの差別化可能なプログラムとディープネットワークを学習および最適化できます。
論文参考訳（メタデータ） (2021-03-30T09:25:55Z)
DeepMorph: A System for Hiding Bitstrings in Morphable Vector Drawings [0.0]
DeepMorphはベクトル描画のための情報埋め込み技術である。本手法は描画プリミティブを摂動することで画像にビットストリングを埋め込む。本手法は,印刷図面の実際の画像からビットストリングを確実に回収することを示す。
論文参考訳（メタデータ） (2020-11-19T11:55:39Z)
DeepFacePencil: Creating Face Images from Freehand Sketches [77.00929179469559]
既存の画像から画像への変換には、大規模なスケッチと画像のデータセットが必要である。本稿では,手描きスケッチから写真リアルな顔画像を生成するための効果的なツールであるDeepFacePencilを提案する。
論文参考訳（メタデータ） (2020-08-31T03:35:21Z)
Deep Plastic Surgery: Robust and Controllable Image Editing with Human-Drawn Sketches [133.01690754567252]
スケッチベースの画像編集は、人間の描いたスケッチによって提供される構造情報に基づいて、写真を合成し、修正することを目的としている。 Deep Plastic Surgeryは、手書きのスケッチ入力を使って画像のインタラクティブな編集を可能にする、新しくて堅牢で制御可能な画像編集フレームワークである。
論文参考訳（メタデータ） (2020-01-09T08:57:50Z)

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。