論文の概要: Improving Image Tracing with Convolutional Autoencoders by High-Pass
Filter Preprocessing
- arxiv url: http://arxiv.org/abs/2306.09039v1
- Date: Thu, 15 Jun 2023 10:59:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-16 15:16:31.533848
- Title: Improving Image Tracing with Convolutional Autoencoders by High-Pass
Filter Preprocessing
- Title(参考訳): 高パスフィルタ前処理による畳み込みオートエンコーダによる画像追跡の改善
- Authors: Zineddine Bettouche and Andreas Fischer
- Abstract要約: 本研究では,画像の抽象表現を抽出するために,ハイパスフィルタリング,オートエンコーディング,ベクトル化などの処理手法を検討する。
結果によると、オートエンコーダで画像を再構築し、ハイパスフィルタリングし、ベクター化することで、ベクター化プロセスの有効性を高めながら、画像をより抽象的に表現することができる。
- 参考スコア(独自算出の注目度): 0.6367279911825442
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The process of transforming a raster image into a vector representation is
known as image tracing. This study looks into several processing methods that
include high-pass filtering, autoencoding, and vectorization to extract an
abstract representation of an image. According to the findings, rebuilding an
image with autoencoders, high-pass filtering it, and then vectorizing it can
represent the image more abstractly while increasing the effectiveness of the
vectorization process.
- Abstract(参考訳): ラスター画像をベクトル表現に変換する過程は、イメージトレースとして知られている。
本研究では,画像の抽象表現を抽出するために,ハイパスフィルタリング,自動エンコーディング,ベクトル化などの処理手法を検討する。
結果によると、オートエンコーダで画像を再構築し、ハイパスフィルタリングし、ベクトル化することで、ベクトル化プロセスの有効性を高めながら、より抽象的に画像を表現することができる。
関連論文リスト
- Unsupervised Deep Learning Image Verification Method [0.0]
提案手法は,Wildデータセットのラベル付き顔のベースラインシステムよりもEERの56%の相対的な改善を実現している。
これにより、コサインとPLDAのスコアリングシステムのパフォーマンスギャップを狭めることに成功した。
論文 参考訳(メタデータ) (2023-12-22T02:52:54Z) - Optimize and Reduce: A Top-Down Approach for Image Vectorization [12.998637003026273]
高速かつドメインに依存しないベクトル化へのトップダウンアプローチであるOptimize & Reduce (O&R)を提案する。
O&Rの目的は、B'ezier曲線パラメータを反復的に最適化することで、入力画像のコンパクトな表現を実現することである。
提案手法はドメインに依存しないものであり,固定された形状に対する再現性および知覚的品質の両方において,既存の作品よりも優れることを示す。
論文 参考訳(メタデータ) (2023-12-18T16:41:03Z) - Perceptual Image Compression with Cooperative Cross-Modal Side
Information [53.356714177243745]
本稿では,テキスト誘導側情報を用いた新しい深層画像圧縮手法を提案する。
具体的には,CLIPテキストエンコーダとSemantic-Spatial Awareブロックを用いてテキストと画像の特徴を融合する。
論文 参考訳(メタデータ) (2023-11-23T08:31:11Z) - Enhancement of theColor Image Compression Using a New Algorithm based on
Discrete Hermite Wavelet Transform [0.0]
画像ビットを削減し、圧縮形式でデータを表現するためには、新しいアルゴリズムが必要である。
画像圧縮は、大きなファイルや画像を転送するための重要なアプリケーションである。
離散ヘルミットウェーブレット変換(DHWT)に基づく新しいアルゴリズム
論文 参考訳(メタデータ) (2023-03-23T11:11:41Z) - VectorFusion: Text-to-SVG by Abstracting Pixel-Based Diffusion Models [82.93345261434943]
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,SVG-exportable vector graphicsを生成する。
近年のテキスト・ツー・3D研究に触発されて,Score Distillation Smpling を用いたキャプションと整合したSVGを学習した。
実験では、以前の作品よりも品質が向上し、ピクセルアートやスケッチを含む様々なスタイルが示されている。
論文 参考訳(メタデータ) (2022-11-21T10:04:27Z) - Lightweight Image Codec via Multi-Grid Multi-Block-Size Vector
Quantization (MGBVQ) [37.36588620264085]
画素相関を除去する新しい手法を提案する。
相関関係を長値と短値の相関関係に分解することにより、粗い格子における長距離相関を表現できる。
短距離相関はベクトル量化器の組で効果的に符号化できることを示す。
論文 参考訳(メタデータ) (2022-09-25T04:14:26Z) - PI-Trans: Parallel-ConvMLP and Implicit-Transformation Based GAN for
Cross-View Image Translation [84.97160975101718]
本稿では,新しい並列-ConvMLPモジュールと,複数のセマンティックレベルでのインプリシット変換モジュールで構成される,新しい生成逆ネットワークPI-Transを提案する。
PI-Transは、2つの挑戦的データセットの最先端手法と比較して、大きなマージンで最も質的で定量的なパフォーマンスを達成する。
論文 参考訳(メタデータ) (2022-07-09T10:35:44Z) - Study on Image Filtering -- Techniques, Algorithm and Applications [0.0]
画像フィルタリングは、サイズ、形状、色、深さ、滑らかさ、その他の画像特性を変更する技術である。
本稿では,様々な画像フィルタリング手法とその幅広い応用について紹介する。
論文 参考訳(メタデータ) (2022-06-04T15:54:21Z) - MaskGIT: Masked Generative Image Transformer [49.074967597485475]
MaskGITは、ランダムにマスクされたトークンを、あらゆる方向にトークンに出席することによって予測することを学ぶ。
実験により、MaskGITはImageNetデータセット上で最先端のトランスフォーマーモデルを大幅に上回っていることが示された。
論文 参考訳(メタデータ) (2022-02-08T23:54:06Z) - Swapping Autoencoder for Deep Image Manipulation [94.33114146172606]
画像操作に特化して設計されたディープモデルであるSwapping Autoencoderを提案する。
キーとなるアイデアは、2つの独立したコンポーネントで画像をエンコードし、交換された組み合わせをリアルなイメージにマップするように強制することだ。
複数のデータセットの実験により、我々のモデルはより良い結果が得られ、最近の生成モデルと比較してかなり効率が良いことが示されている。
論文 参考訳(メタデータ) (2020-07-01T17:59:57Z) - In-Domain GAN Inversion for Real Image Editing [56.924323432048304]
トレーニング済みのGANジェネレータに実際のイメージを送出する一般的な方法は、遅延コードに戻すことである。
既存の反転法は、通常、画素値によってターゲット画像の再構成にフォーカスするが、反転したコードは元の潜伏空間のセマンティックドメインに着陸しない。
本稿では、入力画像を忠実に再構成し、変換されたコードが編集に意味のある意味を持つようにするためのドメイン内GAN逆変換手法を提案する。
論文 参考訳(メタデータ) (2020-03-31T18:20:18Z)
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。