論文の概要: Interactive Neural Painting

• arxiv url: http://arxiv.org/abs/2307.16441v1
• Date: Mon, 31 Jul 2023 07:02:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-01 15:28:44.399304
• Title: Interactive Neural Painting
• Title（参考訳）: インタラクティブなニューラルペイント
• Authors: Elia Peruzzo, Willi Menapace, Vidit Goel, Federica Arrigoni, Hao Tang, Xingqian Xu, Arman Chopikyan, Nikita Orlov, Yuxiao Hu, Humphrey Shi, Nicu Sebe, Elisa Ricci
• Abstract要約: 本稿では,対話型ニューラルペイント(NP)の最初のアプローチを提案する。 2段デコーダを用いた条件変圧器変分自動エンコーダ(VAE)アーキテクチャに基づく新しい手法であるI-Paintを提案する。 実験の結果,本手法は良好なストローク提案を提供し,最先端技術と比較した。
• 参考スコア（独自算出の注目度）: 66.9376011879115
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In the last few years, Neural Painting (NP) techniques became capable of producing extremely realistic artworks. This paper advances the state of the art in this emerging research domain by proposing the first approach for Interactive NP. Considering a setting where a user looks at a scene and tries to reproduce it on a painting, our objective is to develop a computational framework to assist the users creativity by suggesting the next strokes to paint, that can be possibly used to complete the artwork. To accomplish such a task, we propose I-Paint, a novel method based on a conditional transformer Variational AutoEncoder (VAE) architecture with a two-stage decoder. To evaluate the proposed approach and stimulate research in this area, we also introduce two novel datasets. Our experiments show that our approach provides good stroke suggestions and compares favorably to the state of the art. Additional details, code and examples are available at https://helia95.github.io/inp-website.
• Abstract（参考訳）: ここ数年で、NP(Neural Painting)技術は極めて現実的なアートワークを制作できるようになった。 本稿では,Interactive NPの最初のアプローチを提案することによって,新たな研究領域における技術の現状を推し進める。 ユーザがシーンを見て、それを絵画で再現しようとする設定を考えると、我々は、絵を描く次のストロークを提案することによって、ユーザの創造性を支援する計算フレームワークを開発することを目的としています。 そこで本稿では,2段階デコーダを用いた条件変換器の変分自動エンコーダ(VAE)アーキテクチャに基づく新しい手法であるI-Paintを提案する。 提案手法を評価し,この分野の研究を刺激するために,新たなデータセットを2つ導入する。 実験の結果,本手法は良好なストローク提案を提供し,最先端技術と比較した。 詳細、コード、サンプルはhttps://helia95.github.io/inp-websiteで確認できる。

関連論文リスト

• AttentionPainter: An Efficient and Adaptive Stroke Predictor for Scene Painting [82.54770866332456]
  ストロークベースのレンダリング(SBR)は、入力画像をパラメータ化されたストロークのシーケンスに分解することを目的としており、入力画像に似た絵に描画することができる。 単一ステップのニューラルペイントのための効率よく適応的なモデルであるAttentionPainterを提案する。
  論文  参考訳（メタデータ） (2024-10-21T18:36:45Z)
• Sketch-guided Image Inpainting with Partial Discrete Diffusion Process [5.005162730122933]
  スケッチ誘導インペイントのための新しい部分離散拡散法(PDDP)を提案する。 PDDPは画像のマスキング領域を破損させ、手描きスケッチで条件付けられたこれらのマスキング領域を再構築する。 提案するトランスモジュールは,2つの入力を受信する。マスク領域を含む画像はインペイントされ,クエリスケッチは逆拡散過程をモデル化する。
  論文  参考訳（メタデータ） (2024-04-18T07:07:38Z)
• 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)
• Collaborative Neural Painting [27.880814775833578]
  我々は,人間と機械の協調的な絵画作成を容易にする新しいタスク,CNP(Collaborative Neural Painting)を導入する。 CNPはコヒーレントな絵画の完成を支える一連のストロークを生成するべきである。 本研究では,パラメータ化されたストロークの列に基づく絵画表現を提案する。
  論文  参考訳（メタデータ） (2023-12-04T10:45:12Z)
• Reconstructing Existing Levels through Level Inpainting [3.1788052710897707]
  本稿では、コンテンツ拡張について紹介し、レベルのインペイントのサブプロブレムに焦点を当てる。 本稿では,オートエンコーダとU-netの2つのレベルインペイント手法を提案する。
  論文  参考訳（メタデータ） (2023-09-18T04:10:27Z)
• 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)
• Paint2Pix: Interactive Painting based Progressive Image Synthesis and Editing [23.143394242978125]
  paint2pixは、初歩的なブラシストローク入力から"ユーザが描きたいもの"を予測することを学ぶ。 paint2pixは、スクラッチからプログレッシブな画像合成に使用できる。 私たちのアプローチは、実際の画像編集にも驚くほど便利なアプローチを形成しています。
  論文  参考訳（メタデータ） (2022-08-17T06:08:11Z)
• Sketch-Guided Scenery Image Outpainting [83.6612152173028]
  本稿では,スケッチ誘導露光を行うエンコーダデコーダに基づくネットワークを提案する。 全体的アライメントモジュールを適用して、合成された部分をグローバルビューの実際のものと類似させる。 第2に, 合成した部分からスケッチを逆向きに生成し, 接地した部分との整合性を奨励する。
  論文  参考訳（メタデータ） (2020-06-17T11:34:36Z)
• Very Long Natural Scenery Image Prediction by Outpainting [96.8509015981031]
  アウトペイントには2つの課題があるため、あまり注意を払わない。 第一の課題は、生成された画像と元の入力の間の空間的および内容的整合性を維持する方法である。 第2の課題は、生成した結果の高品質を維持する方法です。
  論文  参考訳（メタデータ） (2019-12-29T16:29:01Z)

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。