論文の概要: Shapes2Toon: Generating Cartoon Characters from Simple Geometric Shapes

• arxiv url: http://arxiv.org/abs/2211.02141v1
• Date: Thu, 3 Nov 2022 20:52:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 16:44:57.008888
• Title: Shapes2Toon: Generating Cartoon Characters from Simple Geometric Shapes
• Title（参考訳）: Shapes2Toon:単純な幾何学的形状からカートゥーン文字を生成する
• Authors: Simanta Deb Turja, Mohammad Imrul Jubair, Md. Shafiur Rahman, Md. Hasib Al Zadid, Mohtasim Hossain Shovon, Md. Faraz Kabir Khan
• Abstract要約: shape2toonは、幾何学的プリミティブを組み合わせて、マンガの数字を生成する、生成的敵ネットワークである。 幾何学的に表現された漫画キャラクターのデータセットを作成し、画像から画像への変換技術を適用する。 その結果,幾何学的形状の入力レイアウトから漫画の文字を生成することができることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cartoons are an important part of our entertainment culture. Though drawing a cartoon is not for everyone, creating it using an arrangement of basic geometric primitives that approximates that character is a fairly frequent technique in art. The key motivation behind this technique is that human bodies - as well as cartoon figures - can be split down into various basic geometric primitives. Numerous tutorials are available that demonstrate how to draw figures using an appropriate arrangement of fundamental shapes, thus assisting us in creating cartoon characters. This technique is very beneficial for children in terms of teaching them how to draw cartoons. In this paper, we develop a tool - shape2toon - that aims to automate this approach by utilizing a generative adversarial network which combines geometric primitives (i.e. circles) and generate a cartoon figure (i.e. Mickey Mouse) depending on the given approximation. For this purpose, we created a dataset of geometrically represented cartoon characters. We apply an image-to-image translation technique on our dataset and report the results in this paper. The experimental results show that our system can generate cartoon characters from input layout of geometric shapes. In addition, we demonstrate a web-based tool as a practical implication of our work.
• Abstract（参考訳）: カートゥーンは私たちのエンターテイメント文化の重要な部分です。 漫画を描くことはすべての人には当てはまらないが、そのキャラクターを近似する基本的な幾何学的プリミティブのアレンジを使って製作することは、芸術において非常に頻繁な技法である。 この技術の背後にある主要な動機は、人体と漫画の人物が、様々な基本的な幾何学的原始体に分解できることである。 基本形状の適切な配置を用いて図形を描く方法を示すチュートリアルが多数用意されており、漫画のキャラクターを作成するのに役立ちます。 この技法は子どもに漫画の描き方を教えるという点で非常に有益である。 本稿では,幾何学的プリミティブ(円)を結合し,与えられた近似値に応じてマンガ図形(ミッキーマウス)を生成する生成的逆ネットワークを用いて,このアプローチを自動化するためのツールであるshape2toonを開発した。 この目的のために,幾何学的に表現された漫画キャラクタのデータセットを作成した。 本論文では,画像から画像への翻訳手法をデータセットに適用し,その結果を報告する。 本システムでは幾何学形状の入力レイアウトからマンガキャラクタを生成できることを示す。 さらに,本研究の実践的意味として,Webベースのツールを紹介した。

関連論文リスト

• Democratizing the Creation of Animatable Facial Avatars [2.1740466069378597]
  光ステージやハイエンドハードウェアを使わずに幾何学やテクスチャを得るための新しいパイプラインを提案する。 キーとなる新しいアイデアは、テンプレートアバターの幾何学と整合するように現実世界の画像を歪めることである。 提案手法は,中性表現幾何学とデライトテクスチャを得るだけでなく,アニメーションシステムにインポートされたアバターの改良にも利用することができる。
  論文  参考訳（メタデータ） (2024-01-29T20:14:40Z)
• 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)
• TADA! Text to Animatable Digital Avatars [57.52707683788961]
  TADAはテキスト記述を取り込み、高品質な幾何学とライフスタイルのテクスチャを備えた表現力のある3Dアバターを生産する。 我々は3次元変位とテクスチャマップを備えたSMPL-Xから最適化可能な高分解能ボディモデルを導出した。 我々は、生成した文字の正規表現とRGB画像をレンダリングし、SDSトレーニングプロセスにおけるそれらの潜伏埋め込みを利用する。
  論文  参考訳（メタデータ） (2023-08-21T17:59:10Z)
• 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)
• SimpModeling: Sketching Implicit Field to Guide Mesh Modeling for 3D Animalmorphic Head Design [40.821865912127635]
  そこで本研究では,3次元動物型頭部の簡易なモデリングを支援するスケッチベースシステムであるSimpModelingを提案する。 我々は,手書きスケッチと合成スケッチの領域間を効果的に処理できる高度な暗黙的形状推論手法を用いる。 また、アーティストが手作業で作成する高品質な3D動物の頭部のデータセットにも貢献する。
  論文  参考訳（メタデータ） (2021-08-05T12:17:36Z)
• Modeling Caricature Expressions by 3D Blendshape and Dynamic Texture [58.78290175562601]
  本稿では,アーティストが描いた似顔絵を正規表現に従って変形させる問題に対する解法を提案する。 本ソリューションの鍵となるのは,従来の3DMM表現をキャラクチュア領域に拡張した,キャラクチュア表現をモデル化する新しい手法である。 提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2020-08-13T06:31:01Z)
• Learning to Caricature via Semantic Shape Transform [95.25116681761142]
  本稿では,意味的形状変換に基づくアルゴリズムを提案する。 提案手法は,顔の構造を維持しつつ,視覚的に心地よい形状の誇張を表現できることを示す。
  論文  参考訳（メタデータ） (2020-08-12T03:41:49Z)
• Unsupervised Shape and Pose Disentanglement for 3D Meshes [49.431680543840706]
  本研究では,非教師付き環境において,非教師付き形状とポーズ表現を学習するための,シンプルで効果的なアプローチを提案する。 自己整合性と相互整合性の制約を組み合わせて、登録メッシュからポーズと空間の形状を学ぶ。 ポーズ転送や形状検索などのタスクを通じて,学習した表現の有用性を示す。
  論文  参考訳（メタデータ） (2020-07-22T11:00:27Z)
• Neural Contours: Learning to Draw Lines from 3D Shapes [20.650770317411233]
  本アーキテクチャでは,3次元モデルの幾何学的特徴を操作可能なモジュールと,ビューに基づく形状表現を操作可能なイメージベースモジュールが組み込まれている。 テスト時には、幾何学的およびビューに基づく推論とニューラルモジュールの助けが組み合わさって線図を作成する。
  論文  参考訳（メタデータ） (2020-03-23T15:37:49Z)

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。