論文の概要: Towards Layer-wise Image Vectorization

• arxiv url: http://arxiv.org/abs/2206.04655v1
• Date: Thu, 9 Jun 2022 17:55:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-10 14:39:48.941369
• Title: Towards Layer-wise Image Vectorization
• Title（参考訳）: 層状画像ベクトル化に向けて
• Authors: Xu Ma, Yuqian Zhou, Xingqian Xu, Bin Sun, Valerii Filev, Nikita Orlov, Yun Fu, Humphrey Shi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 57.26058135389497
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Image rasterization is a mature technique in computer graphics, while image vectorization, the reverse path of rasterization, remains a major challenge. Recent advanced deep learning-based models achieve vectorization and semantic interpolation of vector graphs and demonstrate a better topology of generating new figures. However, deep models cannot be easily generalized to out-of-domain testing data. The generated SVGs also contain complex and redundant shapes that are not quite convenient for further editing. Specifically, the crucial layer-wise topology and fundamental semantics in images are still not well understood and thus not fully explored. In this work, we propose Layer-wise Image Vectorization, namely LIVE, to convert raster images to SVGs and simultaneously maintain its image topology. LIVE can generate compact SVG forms with layer-wise structures that are semantically consistent with human perspective. We progressively add new bezier paths and optimize these paths with the layer-wise framework, newly designed loss functions, and component-wise path initialization technique. Our experiments demonstrate that LIVE presents more plausible vectorized forms than prior works and can be generalized to new images. With the help of this newly learned topology, LIVE initiates human editable SVGs for both designers and other downstream applications. Codes are made available at https://github.com/Picsart-AI-Research/LIVE-Layerwise-Image-Vectorization.
• Abstract（参考訳）: 画像ラスタ化はコンピュータグラフィックスにおいて成熟した技法であり、画像ベクトル化はラスタ化の逆経路である。 近年のディープラーニングモデルでは,ベクトルグラフのベクトル化と意味的補間が実現され,新たな図形生成のトポロジーが向上している。 しかし、深層モデルはドメイン外のテストデータに簡単に一般化できない。 生成されたSVGは複雑で冗長な形状も含んでいて、さらなる編集にはあまり便利ではない。 具体的には、重要な階層的トポロジーとイメージの基本的な意味論はまだよく理解されておらず、十分に検討されていない。 本研究では,ラスタ画像をSVGに変換し,画像トポロジを同時に維持する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SVGフォームを生成することができる。 我々は段階的に新しいベジエパスを追加し、レイヤーワイズフレームワーク、新しく設計された損失関数、コンポーネントワイズパス初期化技術を用いてこれらのパスを最適化する。 私たちの実験では、liveは以前の作品よりもより妥当なベクトル化形式を示し、新しい画像に一般化できることを示した。 この新しく学んだトポロジーの助けを借りて、liveはデザイナーと他の下流アプリケーションの両方で編集可能なsvgを開始する。 コードはhttps://github.com/Picsart-AI-Research/LIVE-Layerwise-Image-Vectorizationで公開されている。

関連論文リスト

• Image Vectorization: a Review [4.258673477256579]
  ベクトル画像を直接生成するのではなく、まずイメージを合成し、次にベクトル化を適用することができる。 本稿では,機械学習互換ベクトル化手法に特化して着目する。
  論文  参考訳（メタデータ） (2023-06-10T13:41:02Z)
• Leveraging Large Language Models for Scalable Vector Graphics-Driven Image Understanding [35.80409077616195]
  本稿では,大規模言語モデルによる画像処理を可能にする新しい探索的アプローチを提案する。 画像の代わりにXMLベースの表現記述を活用することで、視覚とテキストのモダリティのギャップを埋めることを目指している。 提案手法は,LLM機能のみを用いた簡単な画像分類,生成,テキスト内学習を容易にする。
  論文  参考訳（メタデータ） (2023-06-09T17:57:01Z)
• Self-Supervised Geometry-Aware Encoder for Style-Based 3D GAN Inversion [115.82306502822412]
  StyleGANは、画像インバージョンと潜時編集による2次元顔再構成とセマンティック編集において大きな進歩を遂げている。 対応する汎用的な3D GANインバージョンフレームワークがまだ欠けており、3D顔再構成とセマンティック編集の応用が制限されている。 本研究では,その3次元形状と詳細なテクスチャを忠実に復元するために,単一の顔画像から潜伏コードを予測する3D GAN逆変換の課題について検討する。
  論文  参考訳（メタデータ） (2022-12-14T18:49:50Z)
• 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)
• SVG-Net: An SVG-based Trajectory Prediction Model [67.68864911674308]
  シーン内の車両の動きを予想することは、安全な自動運転システムにとって重要な問題である。 この目的のために、シーンのインフラの理解は、しばしば将来の軌跡を予測する主要な手がかりである。 提案手法のほとんどが逆逆変換方式のシーンを表現しており、近年のアプローチではカスタムベクトル化方式が採用されている。
  論文  参考訳（メタデータ） (2021-10-07T18:00:08Z)
• Im2Vec: Synthesizing Vector Graphics without Vector Supervision [31.074606918245298]
  ベクトルグラフィックスはフォント、ロゴ、デジタルアートワーク、グラフィックデザインを表現するために広く使われている。 入力グラフィックを常に調整し、画像ベースの生成アプローチを利用することができる。 訓練時のベクトル表現の明示的な監督を必要とする現在のモデルは、入手が困難である。 様々なトポロジを持つ複雑なベクトルグラフを生成するニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-02-04T18:39:45Z)
• Image GANs meet Differentiable Rendering for Inverse Graphics and Interpretable 3D Neural Rendering [101.56891506498755]
  異なるレンダリングによって、ニューラルネットワークをトレーニングして"逆グラフィックス"タスクを実行する方法が舗装された。 提案手法は,既存のデータセットでトレーニングした最先端の逆グラフネットワークを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2020-10-18T22:29:07Z)
• 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。