論文の概要: Screentone-Aware Manga Super-Resolution Using DeepLearning
- arxiv url: http://arxiv.org/abs/2305.08325v1
- Date: Mon, 15 May 2023 03:24:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-16 16:21:09.173385
- Title: Screentone-Aware Manga Super-Resolution Using DeepLearning
- Title（参考訳）: ディープラーニングを用いたスクリーントーンアウェアマンガ超解像
- Authors: Chih-Yuan Yao, Husan-Ting Chou, Yu-Sheng Lin, Kuo-wei Chen
- Abstract要約: 高品質な画像は送信を妨げ、視聴体験に影響を与える可能性がある。
従来のベクトル化法では、スクリーントーンの処理にかなりの量の手動パラメータ調整が必要となる。
超高解像度画像は、低透過率を維持し、高品質な結果を提供するとともに、高解像度画像を高解像度画像に変換することができる。
- 参考スコア（独自算出の注目度）: 3.0638744222997034
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Manga, as a widely beloved form of entertainment around the world, have
shifted from paper to electronic screens with the proliferation of handheld
devices. However, as the demand for image quality increases with screen
development, high-quality images can hinder transmission and affect the viewing
experience. Traditional vectorization methods require a significant amount of
manual parameter adjustment to process screentone. Using deep learning, lines
and screentone can be automatically extracted and image resolution can be
enhanced. Super-resolution can convert low-resolution images to high-resolution
images while maintaining low transmission rates and providing high-quality
results. However, traditional Super Resolution methods for improving manga
resolution do not consider the meaning of screentone density, resulting in
changes to screentone density and loss of meaning. In this paper, we aims to
address this issue by first classifying the regions and lines of different
screentone in the manga using deep learning algorithm, then using corresponding
super-resolution models for quality enhancement based on the different
classifications of each block, and finally combining them to obtain images that
maintain the meaning of screentone and lines in the manga while improving image
resolution.
- Abstract（参考訳）: マンガは世界中で広く愛されている娯楽であり、ハンドヘルドデバイスの普及に伴い、紙から電子スクリーンへと変化してきた。
しかし、画面開発に伴う画質の需要の増加に伴い、高品質な画像は伝送を妨げ、視聴体験に影響を与える可能性がある。
従来のベクトル化法では、スクリーントーンの処理にかなりの量の手動パラメータ調整が必要となる。
ディープラーニングを用いることで、ラインとスクリーントンを自動的に抽出し、画像解像度を向上させることができる。
スーパーレゾリューションは低解像度画像を低伝送率を維持しつつ高画質の画像に変換することができる。
しかし,従来のマンガ分解能向上のためのスーパーレゾリューション法は,ストレートトン密度の意味を考慮せず,ストレートトン密度の変化と意味の喪失をもたらす。
本稿では,まず,深層学習アルゴリズムを用いてマンガの異なるスクリーントーンの領域と行を分類し,次に,各ブロックの異なる分類に基づく品質向上のための対応する超解像モデルを用いて,その組み合わせにより,画像の解像度を改善しつつ,マンガのスクリーントーンと行の意味を維持できる画像を得る。
関連論文リスト
- Sketch2Manga: Shaded Manga Screening from Sketch with Diffusion Models [26.010509997863196]
本稿では,まずスケッチからカラーイラストを作成し,次にスクリーントーンマンガを生成する新しいスケッチ・ツー・マンガフレームワークを提案する。
本手法は, シェード型高周波数スクリーントーンを用いた高品質マンガの製作において, 既存の手法よりも優れていた。
論文 参考訳（メタデータ） (2024-03-13T05:33:52Z) - EXTRACTER: Efficient Texture Matching with Attention and Gradient
Enhancing for Large Scale Image Super Resolution [0.0]
近年のレファレンスベース画像超解像(RefSR)は、低解像度画像の高精細化を目的とした注意機構を導入したSOTAディープ手法を改善している。
より効率的なメモリ使用率を持つディープ検索を提案し,画像パッチ数を大幅に削減する。
論文 参考訳（メタデータ） (2023-10-02T17:41:56Z) - Towards Robust Scene Text Image Super-resolution via Explicit Location
Enhancement [59.66539728681453]
シーンテキスト画像スーパーレゾリューション(STISR)は、下流のシーンテキスト認識精度を高めながら画質を向上させることを目的としている。
既存の手法のほとんどは、前景(文字領域)と背景(非文字領域)を前方プロセスで等しく扱う。
超解像のための高レベルテキスト特異的ガイダンスを生成するために,文字領域を明示的にモデル化する新しい手法 LEMMA を提案する。
論文 参考訳（メタデータ） (2023-07-19T05:08:47Z) - Manga Rescreening with Interpretable Screentone Representation [21.638561901817866]
マンガページの適応または再購入のプロセスは、マンガアーティストがすべてのスクリーントーン領域で手作業で作業する必要がある時間を要する作業である。
マンガ適応に関わる人的労力を最小限に抑えることを目的とした自動マンガ再スクリーニングパイプラインを提案する。
パイプラインは自動的にスクリーントーン領域を認識し,新たに指定された特徴を持つ新規なスクリーントーンを生成する。
論文 参考訳（メタデータ） (2023-06-07T02:55:09Z) - Any-resolution Training for High-resolution Image Synthesis [55.19874755679901]
生成モデルは、様々な大きさの自然画像であっても、一定の解像度で動作します。
すべてのピクセルが重要であり、そのネイティブ解像度で収集された可変サイズのイメージを持つデータセットを作成する、と我々は主張する。
ランダムなスケールでパッチをサンプリングし、可変出力解像度で新しいジェネレータを訓練するプロセスである。
論文 参考訳（メタデータ） (2022-04-14T17:59:31Z) - Screentone-Preserved Manga Retargeting [27.415654292345355]
スクリーントーンを各スクリーン領域に保持しながら,再スケールしたマンガ画像を合成する手法を提案する。
再スケールされたマンガは,原漫画と同一領域のスクリーントーン対応を有しており,スクリーントーン問題を単純化することができる。
論文 参考訳（メタデータ） (2022-03-07T13:48:15Z) - Exploiting Aliasing for Manga Restoration [14.978972444431832]
劣化したマンガから品質ビットマンガを復元する革新的な二段階法を提案する。
まず, スケール推定ネットワーク(SE-Net)を用いて, 劣化マンガから目標分解能を予測する。
そして、目標解像度で、マンガリカバリーネットワーク(MR-Net)を介して、地域単位のバイトンスクリーントーンを復元します。
論文 参考訳（メタデータ） (2021-05-14T13:47:04Z) - Semantic Layout Manipulation with High-Resolution Sparse Attention [106.59650698907953]
本稿では,意味ラベルマップを編集して入力画像を操作するセマンティックイメージレイアウト操作の課題に対処する。
このタスクの中核的な問題は、視覚的にイメージを現実的にしながら、入力画像から新しいセマンティックレイアウトに視覚的な詳細を転送する方法です。
512×512の解像度で視覚的詳細を新しいレイアウトに効果的に転送する高分解能スパースアテンションモジュールを提案する。
論文 参考訳（メタデータ） (2020-12-14T06:50:43Z) - Multi-Density Sketch-to-Image Translation Network [65.4028451067947]
入力スケッチは、粗い物体の輪郭からマイクロ構造まで幅広い範囲をカバーすることができる。
本手法は,顔の編集,マルチモーダルなスケッチ・ツー・フォト変換,アニメのカラー化など,様々な用途のデータセットで検証されている。
論文 参考訳（メタデータ） (2020-06-18T16:21:04Z) - Unsupervised Real Image Super-Resolution via Generative Variational
AutoEncoder [47.53609520395504]
古典的な例に基づく画像超解法を再考し、知覚的画像超解法のための新しい生成モデルを考案する。
本稿では,変分オートエンコーダを用いた共同画像デノベーションと超解像モデルを提案する。
判別器の助けを借りて、超分解能サブネットワークのオーバーヘッドを加味して、分解された画像をフォトリアリスティックな視覚的品質で超解凍する。
論文 参考訳（メタデータ） (2020-04-27T13:49:36Z) - Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。
特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
論文 参考訳（メタデータ） (2020-03-02T13:28:32Z)
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。