論文の概要: Multi-stage Progressive Reasoning for Dunhuang Murals Inpainting

• arxiv url: http://arxiv.org/abs/2305.05902v1
• Date: Wed, 10 May 2023 05:10:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-11 14:17:41.732125
• Title: Multi-stage Progressive Reasoning for Dunhuang Murals Inpainting
• Title（参考訳）: Dunhuang Murals inpainting における多段階プログレッシブ推論
• Authors: Wenjie Liu, Baokai Liu, Shiqiang Du, Yuqing Shi, Jiacheng Li, and Jianhua Wang
• Abstract要約: ダンファンの壁画は、長期間の環境侵食の影響を受け、薄れ、壊れ、表面の脆さ、広範囲の剥離に悩まされている。 本稿では,多段階のプログレッシブ推論ネットワーク(MPR-Net)を設計する。 本手法は定性的および定量的な実験により評価され, 画像の塗装方法よりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 5.167943379184235
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Dunhuang murals suffer from fading, breakage, surface brittleness and extensive peeling affected by prolonged environmental erosion. Image inpainting techniques are widely used in the field of digital mural inpainting. Generally speaking, for mural inpainting tasks with large area damage, it is challenging for any image inpainting method. In this paper, we design a multi-stage progressive reasoning network (MPR-Net) containing global to local receptive fields for murals inpainting. This network is capable of recursively inferring the damage boundary and progressively tightening the regional texture constraints. Moreover, to adaptively fuse plentiful information at various scales of murals, a multi-scale feature aggregation module (MFA) is designed to empower the capability to select the significant features. The execution of the model is similar to the process of a mural restorer (i.e., inpainting the structure of the damaged mural globally first and then adding the local texture details further). Our method has been evaluated through both qualitative and quantitative experiments, and the results demonstrate that it outperforms state-of-the-art image inpainting methods.
• Abstract（参考訳）: ダンフアンの壁画は、破壊、破壊、表面の脆さ、長期の環境侵食の影響を受ける広範囲な剥がれに苦しむ。 画像塗装技術はデジタル壁画塗装の分野で広く用いられている。 一般的には、大きな面積の損傷を伴う壁画の塗装作業では、絵画の塗装方法が困難である。 本稿では,多段階進行的推論ネットワーク (mpr-net) の設計について述べる。 このネットワークは、損傷境界を再帰的に推論し、地域的テクスチャ制約を段階的に強化することができる。 また、壁画の様々な規模で多量の情報を適応的に融合するために、重要特徴の選択能力を高めるために、多機能特徴集約モジュール(mfa)が設計されている。 モデルの実行は、壁画復元装置の工程に類似している(すなわち、損傷した壁画の構造をまずグローバルに塗装し、さらに局所的なテクスチャの詳細を追加する)。 本手法は定性的および定量的な実験により評価され, 画像の塗装方法よりも優れた性能を示した。

関連論文リスト

• Neural-Polyptych: Content Controllable Painting Recreation for Diverse Genres [30.83874057768352]
  我々は,広汎で高解像度な絵画の作成を容易にするために,ニューラル・ポリプチッチという統一的な枠組みを提案する。 我々は、生成プロセスを2つの部分に分割する、マルチスケールのGANベースのアーキテクチャを設計した。 我々は東洋絵画と西洋絵画の両方の多様なジャンルへのアプローチを検証する。
  論文  参考訳（メタデータ） (2024-09-29T12:46:00Z)
• ARIN: Adaptive Resampling and Instance Normalization for Robust Blind Inpainting of Dunhuang Cave Paintings [51.36804225712579]
  この研究で我々は、ダンワン洞窟のイメージを描き出すという現実世界の環境に取り組みました。 ダンファンのデータセットは壁画で構成されており、その半数は腐食と老化に悩まされている。 我々は、最先端(SOTA)の超解像とデブロアリングネットワークに基づく2つの既存手法を修正した。 これらの劣化した洞窟画をうまく塗布し,向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-02-25T20:27:20Z)
• HD-Painter: High-Resolution and Prompt-Faithful Text-Guided Image Inpainting with Diffusion Models [59.01600111737628]
  HD-Painterはトレーニングフリーのアプローチで、プロンプトを正確に追従し、高解像度の画像インパインティングにコヒーレントにスケールする。 そこで我々は,自己注意スコアを向上するPrompt-Aware Introverted Attention (PAIntA) 層を設計した。 実験の結果,HD-Painterは既存の最先端アプローチを定量的に,質的に超越していることがわかった。
  論文  参考訳（メタデータ） (2023-12-21T18:09:30Z)
• 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)
• Dunhuang murals contour generation network based on convolution and self-attention fusion [3.118384520557952]
  本研究では,ダンファン壁画の線画を生成するために,自己注意と畳み込みを組み合わせた新しいエッジ検出器を提案する。 既存のエッジ検出手法と比較して、まず、特徴写像の局所的特徴とグローバル的特徴を融合させるために、新しい残差自己注意と畳み込み混合モジュール(Ramix)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T02:47:30Z)
• Line Drawing Guided Progressive Inpainting of Mural Damage [18.768636785377645]
  線画ガイドによるプログレッシブ壁画の塗装法を提案する。 塗装工程は、構造復元と色補正の2段階に分けられる。 提案手法は,現在の画像塗装法に対して評価される。
  論文  参考訳（メタデータ） (2022-11-12T12:22:11Z)
• Perceptual Artifacts Localization for Inpainting [60.5659086595901]
  そこで本研究では,知覚的アーティファクトの自動セグメンテーションの学習タスクを提案する。 データセット上で高度なセグメンテーションネットワークをトレーニングし、インペイントされた画像内のインペイントされたアーティファクトを確実にローカライズする。 また, 対象領域と対象領域全体との比率である知覚人工物比 (PAR) という新しい評価指標を提案する。
  論文  参考訳（メタデータ） (2022-08-05T18:50:51Z)
• 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)
• In&Out : Diverse Image Outpainting via GAN Inversion [89.84841983778672]
  image outpaintingは、利用可能なコンテンツを超えて、入力画像の意味的に一貫した拡張を求める。 本研究では、生成的対向ネットワークの反転の観点から問題を定式化する。 私達の発電機はイメージの彼らの共同潜入コードそして個々の位置で調節されるマイクロ パッチをレンダリングします。
  論文  参考訳（メタデータ） (2021-04-01T17:59:10Z)
• DeepGIN: Deep Generative Inpainting Network for Extreme Image Inpainting [45.39552853543588]
  本稿では,様々な種類のマスク画像を扱うために,DeepGINというディープ・ジェネレーション・インパインティング・ネットワークを提案する。 私たちのモデルは、野生でマスクされた画像を完成させることができます。
  論文  参考訳（メタデータ） (2020-08-17T09:30:28Z)

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。