Fugu-MT 論文翻訳(概要): Realization RGBD Image Stylization

論文の概要: Realization RGBD Image Stylization

arxiv url: http://arxiv.org/abs/2305.06565v1
Date: Thu, 11 May 2023 04:49:37 GMT
ステータス: 処理完了
システム内更新日: 2023-05-12 15:56:40.083611
Title: Realization RGBD Image Stylization
Title（参考訳）: rgbd画像スタイライゼーションの実現
Authors: Bhavya Sehgal, Vaishnavi Mendu, Aparna Mendu
Abstract要約: 本稿では,RGB画像の深度マップとヒートマップを組み込んで,より現実的なスタイル転送結果を生成する手法を提案する。提案手法は、画像編集やバーチャルリアリティーなど、様々なコンピュータビジョンアプリケーションに適用できる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This research paper explores the application of style transfer in computer vision using RGB images and their corresponding depth maps. We propose a novel method that incorporates the depth map and a heatmap of the RGB image to generate more realistic style transfer results. We compare our method to the traditional neural style transfer approach and find that our method outperforms it in terms of producing more realistic color and style. The proposed method can be applied to various computer vision applications, such as image editing and virtual reality, to improve the realism of generated images. Overall, our findings demonstrate the potential of incorporating depth information and heatmap of RGB images in style transfer for more realistic results.
Abstract（参考訳）: 本稿では,RGB画像とそれに対応する深度マップを用いたコンピュータビジョンにおけるスタイル伝達の適用について検討する。本稿では,RGB画像の深度マップとヒートマップを組み込んで,より現実的なスタイル転送結果を生成する手法を提案する。本手法を従来のニューラルスタイルトランスファー手法と比較し,よりリアルな色彩とスタイルを生成できる点において,本手法がそれを上回ることを見出した。提案手法は画像編集や仮想現実といった様々なコンピュータビジョンアプリケーションに適用でき、生成された画像のリアリズムを改善することができる。以上の結果から,RGB画像の深度情報と熱マップがより現実的な結果をもたらす可能性が示唆された。

関連論文リスト

Transforming Color: A Novel Image Colorization Method [8.041659727964305]
本稿では,色変換器とGANを用いた画像カラー化手法を提案する。提案手法は,グローバルな情報を取得するためのトランスフォーマーアーキテクチャと,視覚的品質を改善するためのGANフレームワークを統合する。実験の結果,提案するネットワークは,他の最先端のカラー化技術よりも優れていた。
論文参考訳（メタデータ） (2024-10-07T07:23:42Z)
PixelShuffler: A Simple Image Translation Through Pixel Rearrangement [0.0]
スタイル転送は画像から画像への変換の応用として広く研究されており、ある画像の内容を他の画像のスタイルと組み合わせた画像の合成が目的である。既存の最先端の手法は、しばしば高品質なスタイル転送を実現するために拡散モデルや言語モデルを含む複雑なニューラルネットワークに依存している。本稿では,画像から画像への変換問題に対処する新たなピクセルシャッフル手法を提案する。
論文参考訳（メタデータ） (2024-10-03T22:08:41Z)
A novel approach for holographic 3D content generation without depth map [2.905273049932301]
与えられたRGB画像のみを用いてボリュームデジタルホログラムを合成する深層学習方式を提案する。実験により,提案モデルにより生成された体積ホログラムは,競合モデルよりも精度が高いことを示した。
論文参考訳（メタデータ） (2023-09-26T14:37:31Z)
Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。ストレージの要求が大きいため、一般ユーザからは広く採用されていない。本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
論文参考訳（メタデータ） (2023-06-21T06:59:07Z)
ARF: Artistic Radiance Fields [63.79314417413371]
本稿では,任意のスタイル画像の芸術的特徴を3Dシーンに転送する方法を提案する。点雲やメッシュ上で3次元スタイリングを行う従来の手法は、幾何的再構成誤差に敏感である。より頑健なラディアンス場表現の体系化を提案する。
論文参考訳（メタデータ） (2022-06-13T17:55:31Z)
Learning Geodesic-Aware Local Features from RGB-D Images [8.115075181267109]
非剛性変形に不変なRGB-D画像から記述子を計算するための新しい手法を提案する。提案手法は,非歪な局所像パッチ上で特徴表現を学習する鍵となる考え方に基づいている。実際に利用可能なRGB-Dデータベンチマークを使用したさまざまな実験では、最先端の手作りおよび学習ベースのイメージとRGB-D記述子を一貫して上回っている。
論文参考訳（メタデータ） (2022-03-22T19:52:49Z)
Urban Radiance Fields [77.43604458481637]
本研究では,都市屋外環境における世界地図作成によく利用されるスキャニングプラットフォームによって収集されたデータから3次元再構成と新しいビュー合成を行う。提案手法は、制御された環境下での小さなシーンのための現実的な新しい画像の合成を実証したニューラルラジアンス場を拡張している。これら3つのエクステンションはそれぞれ、ストリートビューデータの実験において、大幅なパフォーマンス改善を提供する。
論文参考訳（メタデータ） (2021-11-29T15:58:16Z)
RGB-D Image Inpainting Using Generative Adversarial Network with a Late Fusion Approach [14.06830052027649]
Diminished Realityは、ビデオ画像からオブジェクトを取り除き、行方不明の領域を可視画素で埋めることを目的とした技術だ。生成逆数ネットワークを用いたRGB-D画像の描画手法を提案する。
論文参考訳（メタデータ） (2021-10-14T14:44:01Z)
Semantic-embedded Unsupervised Spectral Reconstruction from Single RGB Images in the Wild [48.44194221801609]
この課題に対処するため、我々は、新しい軽量でエンドツーエンドの学習ベースのフレームワークを提案する。我々は、効率的なカメラスペクトル応答関数推定により、検索されたHS画像から入力されたRGB画像と再投影されたRGB画像の差を徐々に広げる。提案手法は最先端の教師なし手法よりも優れており,いくつかの設定下では最新の教師付き手法よりも優れている。
論文参考訳（メタデータ） (2021-08-15T05:19:44Z)
Refer-it-in-RGBD: A Bottom-up Approach for 3D Visual Grounding in RGBD Images [69.5662419067878]
RGBD画像における接地参照表現は新たな分野である。本稿では,参照する物体が閉塞により部分的にスキャンされる場合が多い単視点rgbd画像における3次元視覚グランド化の新たな課題を提案する。提案手法はまず,RGBD画像内の関連領域をローカライズするヒートマップを生成するために,下層の言語と視覚的特徴を融合させる。次に、ヒートマップに基づく適応的特徴学習を行い、他のビジオ言語融合とオブジェクトレベルのマッチングを行い、最後に参照したオブジェクトを接地する。
論文参考訳（メタデータ） (2021-03-14T11:18:50Z)
Deep CG2Real: Synthetic-to-Real Translation via Image Disentanglement [78.58603635621591]
画像空間における未ペアの合成-現実翻訳ネットワークの訓練は、厳しい制約下にある。画像の非交叉シェーディング層とアルベド層に作用する半教師付きアプローチを提案する。私たちの2段階のパイプラインはまず、物理ベースのレンダリングをターゲットとして、教師付き方法で正確なシェーディングを予測することを学習します。
論文参考訳（メタデータ） (2020-03-27T21:45:41Z)

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。