論文の概要: A Method for Animating Children's Drawings of the Human Figure
- arxiv url: http://arxiv.org/abs/2303.12741v2
- Date: Tue, 4 Apr 2023 17:03:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 17:31:26.630238
- Title: A Method for Animating Children's Drawings of the Human Figure
- Title（参考訳）: 児童の人物像の図面をアニメーション化する方法
- Authors: Harrison Jesse Smith, Qingyuan Zheng, Yifei Li, Somya Jain, Jessica K.
Hodgins
- Abstract要約: 本研究では,子どもの人物図面を自動で編集するシステムを提案する。
Animated Drawings Demoを構築、リリースすることで、私たちのアプローチの価値と幅広い魅力を示します。
- 参考スコア（独自算出の注目度）: 9.076663874652725
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Children's drawings have a wonderful inventiveness, creativity, and variety
to them. We present a system that automatically animates children's drawings of
the human figure, is robust to the variance inherent in these depictions, and
is simple and straightforward enough for anyone to use. We demonstrate the
value and broad appeal of our approach by building and releasing the Animated
Drawings Demo, a freely available public website that has been used by millions
of people around the world. We present a set of experiments exploring the
amount of training data needed for fine-tuning, as well as a perceptual study
demonstrating the appeal of a novel twisted perspective retargeting technique.
Finally, we introduce the Amateur Drawings Dataset, a first-of-its-kind
annotated dataset, collected via the public demo, containing over 178,000
amateur drawings and corresponding user-accepted character bounding boxes,
segmentation masks, and joint location annotations.
- Abstract（参考訳）: 子供の絵には素晴らしい創造性、創造性、多様性があります。
本研究では,人間の図形を自動で表現し,これらの図形に固有の差異に頑健であり,誰でも利用できるほどシンプルで簡単なシステムを提案する。
私たちは、世界中の何百万人もの人々が使っている無料公開webサイトであるanimated drawings demoを構築、公開することで、このアプローチの価値と幅広い魅力を示しています。
本稿では,微調整に必要なトレーニングデータ量を検討する実験と,新しいツイスト視点再ターゲティング手法の魅力を示す知覚実験について述べる。
最後に、Amateur Drawings Datasetを紹介します。Amateur Drawings Datasetは、公開デモを通じて収集され、178,000以上のアマチュア図面と、対応するユーザ受け入れ文字境界ボックス、セグメンテーションマスク、共同位置アノテーションを含む。
関連論文リスト
- HaSPeR: An Image Repository for Hand Shadow Puppet Recognition [2.048226951354646]
シャドウグラフィー(Shadowgraphy)またはボンボマニー(ombromanie)は、演劇芸術とストーリーテリングの一形態である。
プロとアマチュアの両方の手影人形クリップから抽出した11種類の手影人形の8,340枚の画像からなる新しいデータセットを提案する。
本研究の結果は,従来のコンボリューションモデルよりも,注目に基づくトランスフォーマーアーキテクチャよりもかなり優れた性能を示した。
論文 参考訳（メタデータ） (2024-08-19T18:56:24Z) - Breathing Life Into Sketches Using Text-to-Video Priors [101.8236605955899]
スケッチは、人間が自分のアイデアを視覚的に伝えるために使う最も直感的で汎用性の高いツールの1つです。
本研究では,単一オブジェクトのスケッチに動きを自動的に付加する手法を提案する。
出力はベクトル表現で提供される短いアニメーションで、簡単に編集できる。
論文 参考訳（メタデータ） (2023-11-21T18:09:30Z) - SketchDreamer: Interactive Text-Augmented Creative Sketch Ideation [111.2195741547517]
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,制御されたスケッチを生成する手法を提案する。
我々の目標は、プロでないユーザにスケッチを作成させ、一連の最適化プロセスを通じて物語をストーリーボードに変換することです。
論文 参考訳（メタデータ） (2023-08-27T19:44:44Z) - 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) - 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) - DoodleFormer: Creative Sketch Drawing with Transformers [68.18953603715514]
創造的スケッチ(Creative sketching)またはドゥーリング(Duodling)は、日常の視覚的物体の想像的かつ以前は目に見えない描写が描かれた表現的活動である。
本稿では,クリエイティビティスケッチ生成問題を粗いスケッチ合成に分解する,粗い2段階のフレームワークDoodleFormerを提案する。
生成した創作スケッチの多様性を確保するため,確率論的粗いスケッチデコーダを導入する。
論文 参考訳（メタデータ） (2021-12-06T18:59:59Z) - Learning-based pose edition for efficient and interactive design [55.41644538483948]
コンピュータ支援アニメーションアーティストでは、キャラクターのキーポーズは骨格を操作することで定義されている。
キャラクターのポーズは多くの不明確な制約を尊重しなければならないので、結果のリアリズムはアニメーターのスキルと知識に大きく依存する。
ポーズデザインのための効率的なツールを記述し、ユーザーが直感的にポーズを操作してキャラクターアニメーションを作成することができる。
論文 参考訳（メタデータ） (2021-07-01T12:15:02Z) - Creative Sketch Generation [48.16835161875747]
クリエイティブなスケッチのデータセットであるCreative BirdsとCreative Creaturesの2つを紹介します。
DoodlerGAN (Generative Adrial Network, GAN) を提案する。
人間の研究と同様に定量的評価は、我々のアプローチによって生成されたスケッチは、既存のアプローチよりも創造的で高品質であることを示している。
論文 参考訳（メタデータ） (2020-11-19T18:57:00Z)
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。