論文の概要: WebtoonMe: A Data-Centric Approach for Full-Body Portrait Stylization

• arxiv url: http://arxiv.org/abs/2210.10335v1
• Date: Wed, 19 Oct 2022 07:09:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 14:36:40.521014
• Title: WebtoonMe: A Data-Centric Approach for Full-Body Portrait Stylization
• Title（参考訳）: webtoonme:フルボディポートレートスタイライゼーションのためのデータ中心アプローチ
• Authors: Jihye Back, Seungkwon Kim, Namhyuk Ahn
• Abstract要約: プロダクションレベルのフルボディ・ポートレート・スタイリングシステムを構築するためのデータ中心のソリューションを提案する。 この2段階のスキームに基づいて,新しい高度なデータセット作成パラダイムを構築した。 実験の結果、パイプラインでは、付加的な損失やアーキテクチャの変更なしに高品質なポートレートスタイリングが達成できることがわかった。
• 参考スコア（独自算出の注目度）: 5.2661965280415926
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Full-body portrait stylization, which aims to translate portrait photography into a cartoon style, has drawn attention recently. However, most methods have focused only on converting face regions, restraining the feasibility of use in real-world applications. A recently proposed two-stage method expands the rendering area to full bodies, but the outputs are less plausible and fail to achieve quality robustness of non-face regions. Furthermore, they cannot reflect diverse skin tones. In this study, we propose a data-centric solution to build a production-level full-body portrait stylization system. Based on the two-stage scheme, we construct a novel and advanced dataset preparation paradigm that can effectively resolve the aforementioned problems. Experiments reveal that with our pipeline, high-quality portrait stylization can be achieved without additional losses or architectural changes.
• Abstract（参考訳）: 近年,肖像画を漫画風に翻訳することを目的としたフルボディの肖像画スタイリングが注目されている。 しかし、ほとんどの手法は、実際のアプリケーションでの使用可能性を制限するため、顔領域の変換のみに焦点を当てている。 最近提案された2段階の手法はレンダリング領域をフルボディに拡張するが、出力は信頼性が低く、非面領域の品質の堅牢性を達成できない。 さらに、様々な肌色を反映することができない。 本研究では,生産レベルのフルボディ・ポートレート・スタイリングシステムを構築するためのデータ中心のソリューションを提案する。 この2段階計画に基づいて,上記の問題を効果的に解決できる,新規で高度なデータセット作成パラダイムを構築した。 実験によると、パイプラインでは、付加的な損失やアーキテクチャの変更なしに高品質なポートレートスタイリングが達成できる。

関連論文リスト

• Effective Adapter for Face Recognition in the Wild [72.75516495170199]
  私たちは、画像が低品質で現実世界の歪みに悩まされる、野生の顔認識の課題に取り組みます。 従来のアプローチでは、劣化した画像や、顔の復元技術を使って強化された画像を直接訓練するが、効果がないことが証明された。 高品質な顔データセットで訓練された既存の顔認識モデルを強化するための効果的なアダプタを提案する。
  論文  参考訳（メタデータ） (2023-12-04T08:55:46Z)
• MagiCapture: High-Resolution Multi-Concept Portrait Customization [34.131515004434846]
  MagiCaptureは、高解像度のポートレート画像を生成するために、主題とスタイルの概念を統合するパーソナライズ方法である。 本稿では,この弱教師付き学習環境内での頑健な学習を支援する,補助的先行学習と組み合わせた注意再焦点損失について紹介する。 私たちのパイプラインには、非常に現実的なアウトプットの生成を保証するための、追加のプロセス後ステップも含まれています。
  論文  参考訳（メタデータ） (2023-09-13T11:37:04Z)
• Scenimefy: Learning to Craft Anime Scene via Semi-Supervised Image-to-Image Translation [75.91455714614966]
  そこで我々は,新しい半教師付き画像-画像間翻訳フレームワークであるScenimefyを提案する。 提案手法は,構造に一貫性のある擬似ペアデータによる学習を導く。 スタイル化と細部を改善するために、パッチワイドのコントラストスタイルロスが導入されている。
  論文  参考訳（メタデータ） (2023-08-24T17:59:50Z)
• Multi-Modal Face Stylization with a Generative Prior [27.79677001997915]
  MMFSはStyleGANの強みを活用することでマルチモーダル顔スタイリングをサポートする。 2段階のトレーニング戦略を導入し、最初の段階でエンコーダをトレーニングし、特徴マップをStyleGANと整列させる。 第2段階では、ネットワーク全体が、スタイル化された顔生成のための芸術的データで微調整される。
  論文  参考訳（メタデータ） (2023-05-29T11:01:31Z)
• CtlGAN: Few-shot Artistic Portraits Generation with Contrastive Transfer Learning [77.27821665339492]
  CtlGANは、新しいコントラッシブ・トランスファー学習戦略を備えた、数発のアート・ポートレート生成モデルである。 ソースドメインで事前訓練したStyleGANを,対象の芸術領域に適応させる。 実面をZ+空間に埋め込んだ新しいエンコーダを提案し,適応型デコーダに対処するためのデュアルパストレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-16T13:28:17Z)
• Quality Metric Guided Portrait Line Drawing Generation from Unpaired Training Data [88.78171717494688]
  本研究では,顔画像から肖像画への自動変換手法を提案する。 本手法は,(1)1つのネットワークを用いて複数のスタイルで高品質な肖像画を生成することを学習し,(2)トレーニングデータに見つからない「新しいスタイル」の肖像画を生成する。
  論文  参考訳（メタデータ） (2022-02-08T06:49:57Z)
• Controllable Person Image Synthesis with Spatially-Adaptive Warped Normalization [72.65828901909708]
  制御可能な人物画像生成は、望ましい属性を持つ現実的な人間の画像を作成することを目的としている。 本稿では,学習フロー場とワープ変調パラメータを統合した空間適応型ワープ正規化(SAWN)を提案する。 本稿では,テクスチャ・トランスファータスクの事前学習モデルを洗練するための,新たな自己学習部分置換戦略を提案する。
  論文  参考訳（メタデータ） (2021-05-31T07:07:44Z)
• Practical Wide-Angle Portraits Correction with Deep Structured Models [17.62752136436382]
  本稿では,写真から視線歪みを取り除くための深層学習手法について紹介する。 入力として広角ポートレートが与えられると、LineNet、ShapeNet、トランジションモジュールからなるカスケードネットワークを構築します。 定量的評価には,ラインの整合性と面の整合性という2つの新しい指標を導入する。
  論文  参考訳（メタデータ） (2021-04-26T10:47:35Z)
• Drafting and Revision: Laplacian Pyramid Network for Fast High-Quality Artistic Style Transfer [115.13853805292679]
  アートスタイルの転送は、サンプルイメージからコンテンツイメージへのスタイルの移行を目的としている。 図案作成と細部改訂の共通画法に触発されて,ラプラシアンピラミッドネットワーク(LapStyle)という新しいフィードフォワード方式を導入する。 本手法は, 定型的パターンを適切に伝達した高品質なスタイリズド画像をリアルタイムで合成する。
  論文  参考訳（メタデータ） (2021-04-12T11:53:53Z)

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。