論文の概要: Im2Oil: Stroke-Based Oil Painting Rendering with Linearly Controllable Fineness Via Adaptive Sampling

• arxiv url: http://arxiv.org/abs/2209.13219v1
• Date: Tue, 27 Sep 2022 07:41:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 15:17:09.298319
• Title: Im2Oil: Stroke-Based Oil Painting Rendering with Linearly Controllable Fineness Via Adaptive Sampling
• Title（参考訳）: Im2Oil:アダプティブサンプリングによる直線制御可能な微細化によるストローク系油絵レンダリング
• Authors: Zhengyan Tong, Xiaohang Wang, Shengchao Yuan, Xuanhong Chen, Junjie Wang, Xiangzhong Fang
• Abstract要約: 本稿では,画像から鮮明な油絵へ変換する新しいストロークベースレンダリング法を提案する。 ユーザーの意見テストでは、他の方法よりも油絵の方が好まれていることが示されています。
• 参考スコア（独自算出の注目度）: 10.440767522370688
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a novel stroke-based rendering (SBR) method that translates images into vivid oil paintings. Previous SBR techniques usually formulate the oil painting problem as pixel-wise approximation. Different from this technique route, we treat oil painting creation as an adaptive sampling problem. Firstly, we compute a probability density map based on the texture complexity of the input image. Then we use the Voronoi algorithm to sample a set of pixels as the stroke anchors. Next, we search and generate an individual oil stroke at each anchor. Finally, we place all the strokes on the canvas to obtain the oil painting. By adjusting the hyper-parameter maximum sampling probability, we can control the oil painting fineness in a linear manner. Comparison with existing state-of-the-art oil painting techniques shows that our results have higher fidelity and more realistic textures. A user opinion test demonstrates that people behave more preference toward our oil paintings than the results of other methods. More interesting results and the code are in https://github.com/TZYSJTU/Im2Oil.
• Abstract（参考訳）: 本稿では,映像を油絵に翻訳する新しいストロークベースレンダリング(sbr)手法を提案する。 従来のSBR技術は通常、オイル塗装問題をピクセルワイド近似として定式化する。 この手法と異なり,油絵作成を適応的サンプリング問題として扱う。 まず,入力画像のテクスチャの複雑さに基づいて,確率密度マップを算出する。 次に、ボロノイアルゴリズムを用いて一組のピクセルをストロークアンカーとしてサンプリングする。 次に,各アンカーで個別オイルストロークを探索し,生成する。 最後に、油絵を得るために、すべてのストロークをキャンバスに置きます。 過パラメータ最大サンプリング確率を調整することにより,油塗膜の微細度を線形に制御できる。 従来の油絵技術と比較すると, より忠実で, よりリアルなテクスチャが得られている。 ユーザーの意見テストでは、他の方法よりも油絵の方が好まれていることが示されています。 より興味深い結果とコードはhttps://github.com/TZYSJTU/Im2Oilにある。

関連論文リスト

• AttentionPainter: An Efficient and Adaptive Stroke Predictor for Scene Painting [82.54770866332456]
  ストロークベースのレンダリング(SBR)は、入力画像をパラメータ化されたストロークのシーケンスに分解することを目的としており、入力画像に似た絵に描画することができる。 単一ステップのニューラルペイントのための効率よく適応的なモデルであるAttentionPainterを提案する。
  論文  参考訳（メタデータ） (2024-10-21T18:36:45Z)
• MambaPainter: Neural Stroke-Based Rendering in a Single Step [3.18005110016691]
  ストロークに基づくレンダリングは、ブラシストロークシーケンスを予測して入力画像を油絵スタイルに再構築することを目的としている。 単一推論ステップで100以上のブラシストロークのシーケンスを予測できるMambaPainterを提案する。
  論文  参考訳（メタデータ） (2024-10-16T13:02:45Z)
• Stroke-based Neural Painting and Stylization with Dynamically Predicted Painting Region [66.75826549444909]
  ストロークベースのレンダリングは、ストロークのセットで画像を再現することを目的としている。 本研究では,現在のキャンバスに基づいて絵画領域を予測する合成ニューラルネットワークを提案する。 我々は、新しい微分可能な距離変換損失を伴って、ストロークベースのスタイル転送に拡張する。
  論文  参考訳（メタデータ） (2023-09-07T06:27:39Z)
• Intelligent Painter: Picture Composition With Resampling Diffusion Model [19.47897338375392]
  本稿では,人物の想像的シーンを1行に生成するインテリジェントな画家について,明確なヒントを与える。 本稿では,拡散確率モデル (DDPM) を用いた高調波画像の再構成手法を提案する。 実験結果から,本手法は効率よく生成した出力の意味を選好し,ぼやけた出力を生成する。
  論文  参考訳（メタデータ） (2022-10-31T07:27:01Z)
• Cylin-Painting: Seamless {360\textdegree} Panoramic Image Outpainting and Beyond [136.18504104345453]
  塗り絵と塗り絵の間に有意義な協調関係を持つキリン塗り絵の枠組みを提示する。 提案アルゴリズムは、オブジェクト検出、深さ推定、画像超解像などの他のパノラマ視覚タスクに効果的に拡張できる。
  論文  参考訳（メタデータ） (2022-04-18T21:18:49Z)
• Interactive Style Transfer: All is Your Palette [74.06681967115594]
  本稿では,ユーザが対話的に調和したスタイルのイメージを作成できる,図形的な対話型スタイル転送(IST)手法を提案する。 私たちのISTメソッドは、どこからでもブラシやディップスタイルとして機能し、ターゲットのコンテンツイメージの任意の領域にペイントします。
  論文  参考訳（メタデータ） (2022-03-25T06:38:46Z)
• RePaint: Inpainting using Denoising Diffusion Probabilistic Models [161.74792336127345]
  Free-form Inpaintingは任意のバイナリマスクで指定された領域のイメージに新しいコンテンツを追加するタスクである。 RePaint: A Denoising Probabilistic Model (DDPM) を用いた塗装手法を提案する。 本手法は,標準的なマスクと極端マスクを用いて,顔と汎用画像の塗装の両面で検証する。
  論文  参考訳（メタデータ） (2022-01-24T18:40:15Z)
• Paint Transformer: Feed Forward Neural Painting with Stroke Prediction [36.457204758975074]
  我々は,フィードフォワードネットワークを用いたストロークセットのパラメータを予測するために,Paint Transformerと呼ばれる新しいトランスフォーマーベースのフレームワークを提案する。 このようにして、我々のモデルは並列に一組のストロークを生成でき、ほぼリアルタイムでサイズ512 * 512の最終的な絵を得ることができる。 実験により,本手法はトレーニングコストと推論コストの低減により,従来の手法よりも優れた塗装性能が得られることが示された。
  論文  参考訳（メタデータ） (2021-08-09T04:18:58Z)
• Stylized Neural Painting [0.0]
  本稿では,鮮明でリアルな絵画を制御可能なスタイルで生成する画像から絵画への翻訳手法を提案する。 実験により,本手法で作成した絵画は,グローバルな外観と局所的なテクスチャの両方において高い忠実度を有することが示された。
  論文  参考訳（メタデータ） (2020-11-16T17:24:21Z)
• 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)

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。