論文の概要: Stroke-based Rendering: From Heuristics to Deep Learning

• arxiv url: http://arxiv.org/abs/2302.00595v1
• Date: Fri, 30 Dec 2022 05:34:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-05 04:19:34.068270
• Title: Stroke-based Rendering: From Heuristics to Deep Learning
• Title（参考訳）: ストロークに基づくレンダリング:ヒューリスティックスからディープラーニングへ
• Authors: Florian Nolte, Andrew Melnik, Helge Ritter
• Abstract要約: 近年のディープラーニング手法の発展は,ストロークベースの絵画と画素写真生成のギャップを埋めるのに役立つ。 我々は,ストロークベースのレンダリングアルゴリズムにおける共通課題とアプローチについて,構造化された紹介と理解を提供することを目指している。
• 参考スコア（独自算出の注目度）: 0.17188280334580194
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In the last few years, artistic image-making with deep learning models has gained a considerable amount of traction. A large number of these models operate directly in the pixel space and generate raster images. This is however not how most humans would produce artworks, for example, by planning a sequence of shapes and strokes to draw. Recent developments in deep learning methods help to bridge the gap between stroke-based paintings and pixel photo generation. With this survey, we aim to provide a structured introduction and understanding of common challenges and approaches in stroke-based rendering algorithms. These algorithms range from simple rule-based heuristics to stroke optimization and deep reinforcement agents, trained to paint images with differentiable vector graphics and neural rendering.
• Abstract（参考訳）: ここ数年、ディープラーニングモデルによる芸術的なイメージ作成は、かなりの勢いを増している。 これらのモデルの多くはピクセル空間で直接動作し、ラスタ画像を生成する。 しかし、ほとんどの人間が、例えば、絵を描くための一連の形やストロークを計画することで、アートワークを作る方法ではない。 最近のディープラーニング手法の発展は、ストローク画とピクセル写真生成のギャップを埋めるのに役立つ。 本調査は,ストロークベースのレンダリングアルゴリズムにおける共通課題とアプローチの構造化的導入と理解を提供することを目的としている。 これらのアルゴリズムは、単純なルールベースのヒューリスティックからストローク最適化やディープ強化エージェントまで、さまざまなベクトルグラフィックスとニューラルレンダリングで画像を描くように訓練されている。

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)
• Deep Learning-based Image and Video Inpainting: A Survey [47.53641171826598]
  本稿では,深層学習に基づく画像と映像のインペイント手法について概観的にレビューする。 既存のメソッドを,ハイレベルなインペイントパイプラインの観点から,さまざまなカテゴリに分類する。 我々は,低レベルの画素と高レベルの知覚的類似性の評価指標を提示し,性能評価を行い,代表印字方法の長所と短所について議論する。
  論文  参考訳（メタデータ） (2024-01-07T05:50:12Z)
• 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)
• 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)
• Improve Deep Image Inpainting by Emphasizing the Complexity of Missing Regions [20.245637164975594]
  本稿では,古典的画像複雑性メトリクスの助けを借りて,ディープイメージのインペイントモデルを強化する。 学習手順におけるバッチ選択を導くために、不足複雑性と前方損失からなる知識支援指標を示す。 我々は,最近開発された様々なデータセットに対する画像インペイントモデルの改良を実験的に実証した。
  論文  参考訳（メタデータ） (2022-02-13T09:14:52Z)
• Neural Re-Rendering of Humans from a Single Image [80.53438609047896]
  本稿では,新しいユーザ定義のポーズと視点の下での人間のニューラルリレンダリング手法を提案する。 私たちのアルゴリズムは、単一の画像から再構築できるパラメトリックメッシュとして体ポーズと形状を表します。
  論文  参考訳（メタデータ） (2021-01-11T18:53:47Z)
• Graphs for deep learning representations [1.0152838128195467]
  グラフ信号処理(GSP)の最近の進歩に基づくグラフ形式化について紹介します。 すなわち、ディープニューラルネットワークの潜在空間を表すためにグラフを使用します。 このグラフ形式化によって,頑健性の確保,学習プロセスの設計における任意の選択量の削減,入力に付加された小さな一般化の改善,計算複雑性の低減など,さまざまな質問に答えることができることが示されています。
  論文  参考訳（メタデータ） (2020-12-14T11:51:23Z)
• 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)
• Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
  イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。 深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
  論文  参考訳（メタデータ） (2020-01-15T21:37:47Z)

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。