論文の概要: Generating Modern Persian Carpet Map by Style-transfer
- arxiv url: http://arxiv.org/abs/2308.04529v1
- Date: Tue, 8 Aug 2023 18:47:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-10 16:21:24.398331
- Title: Generating Modern Persian Carpet Map by Style-transfer
- Title(参考訳): スタイル変換による現代ペルシャカルペットマップの生成
- Authors: Dorsa Rahmatian, Monireh Moshavash, Mahdi Eftekhari, and Kamran
Hoseinkhani
- Abstract要約: 提案手法は,従来の手法よりも高速で多種多様なカーペットデザインを作成可能である。
カーペットマップの作成に初めてインテリジェントな手法が使われ、人間の介入を減らす。
- 参考スコア(独自算出の注目度): 0.8049701904919516
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Today, the great performance of Deep Neural Networks(DNN) has been proven in
various fields. One of its most attractive applications is to produce artistic
designs. A carpet that is known as a piece of art is one of the most important
items in a house, which has many enthusiasts all over the world. The first
stage of producing a carpet is to prepare its map, which is a difficult,
time-consuming, and expensive task. In this research work, our purpose is to
use DNN for generating a Modern Persian Carpet Map. To reach this aim, three
different DNN style transfer methods are proposed and compared against each
other. In the proposed methods, the Style-Swap method is utilized to create the
initial carpet map, and in the following, to generate more diverse designs,
methods Clip-Styler, Gatys, and Style-Swap are used separately. In addition,
some methods are examined and introduced for coloring the produced carpet maps.
The designed maps are evaluated via the results of filled questionnaires where
the outcomes of user evaluations confirm the popularity of generated carpet
maps. Eventually, for the first time, intelligent methods are used in producing
carpet maps, and it reduces human intervention. The proposed methods can
successfully produce diverse carpet designs, and at a higher speed than
traditional ways.
- Abstract(参考訳): 現在、ディープニューラルネットワーク(DNN)の性能は様々な分野で証明されている。
最も魅力的な応用の1つは芸術的なデザインを作ることである。
芸術作品として知られるカーペットは、世界中の多くの愛好家がいる家の中で最も重要なアイテムの1つである。
カーペットを作る第1段階は、地図を作成することであり、これは困難で時間がかかり、費用がかかる作業である。
本研究の目的は,近代ペルシャカルペットマップの作成にDNNを使用することである。
この目的を達成するために、3つの異なるDNNスタイルの転送手法を提案し、比較した。
提案手法では,初期カーペットマップの作成にスタイルスワップ法を応用し,より多様なデザインを生成するため,クリップスワップ法,ガティ法,スタイルスワップ法を別々に使用する。
また, カーペットマップの着色方法についても検討し, 導入した。
設計した地図は, ユーザ評価の結果が生成したカーペットマップの人気を裏付けるアンケートの結果によって評価される。
最終的に、カーペットマップの作成に初めてインテリジェントな手法が使用され、人間の介入を減らす。
提案手法は,従来の手法よりも高速で多種多様なカーペットデザインを作成可能である。
関連論文リスト
- DeepAerialMapper: Deep Learning-based Semi-automatic HD Map Creation for Highly Automated Vehicles [0.0]
高解像度空中画像からHDマップを作成するための半自動手法を提案する。
提案手法では, ニューラルネットワークを訓練して, 空中画像をHDマップに関連するクラスに意味的に分割する。
マップをLanelet2フォーマットにエクスポートすることで、さまざまなユースケースを簡単に拡張できる。
論文 参考訳(メタデータ) (2024-10-01T15:05:05Z) - HPix: Generating Vector Maps from Satellite Images [0.0]
衛星画像からベクトルタイルマップを生成するためにGAN(Generative Adversarial Networks)を改良したHPixと呼ばれる新しい手法を提案する。
経験的評価を通じて,提案手法は高精度かつ視覚的に表現可能なベクトルタイルマップを作成する上での有効性を示す。
さらに、道路交差点のマッピングや、その面積に基づいたフットプリントクラスタの構築など、我々の研究の応用を拡大する。
論文 参考訳(メタデータ) (2024-07-18T16:54:02Z) - Creating Seamless 3D Maps Using Radiance Fields [0.0]
ナビゲーション,仮想観光,都市計画などの応用のために,2次元入力画像から3次元オブジェクトモデルと3次元マップを作成することが望ましい。
従来の方法では反射面と特異反射が困難である。
Google Road Viewは実際の3Dオブジェクトモデルを作成するのではなく、ビューの集合である。
論文 参考訳(メタデータ) (2024-03-17T22:49:07Z) - GAN-Based Content Generation of Maps for Strategy Games [0.0]
本稿では,GAN(Generative Adversarial Networks)に基づく地図生成モデルを提案する。
実装では、ハイトマップのデータセット上で、GANベースのネットワークのさまざまな変種をテストした。
論文 参考訳(メタデータ) (2023-01-07T15:24:25Z) - Domain Enhanced Arbitrary Image Style Transfer via Contrastive Learning [84.8813842101747]
Contrastive Arbitrary Style Transfer (CAST) は、新しいスタイル表現学習法である。
本フレームワークは,スタイルコード符号化のための多層スタイルプロジェクタ,スタイル分布を効果的に学習するためのドメイン拡張モジュール,画像スタイル転送のための生成ネットワークという,3つのキーコンポーネントから構成される。
論文 参考訳(メタデータ) (2022-05-19T13:11:24Z) - Find a Way Forward: a Language-Guided Semantic Map Navigator [53.69229615952205]
本稿では,新たな視点で言語誘導ナビゲーションの問題に対処する。
ロボットが自然言語の指示を実行し、地図観測に基づいて目標位置へ移動できるようにする。
提案手法は特に長距離ナビゲーションの場合において顕著な性能向上をもたらす。
論文 参考訳(メタデータ) (2022-03-07T07:40:33Z) - HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps [81.86923212296863]
HDマップは道路路面の正確な定義と交通ルールの豊富な意味を持つ地図である。
実際の道路トポロジやジオメトリはごくわずかで、自動運転スタックをテストする能力は著しく制限されています。
高品質で多様なHDマップを生成可能な階層グラフ生成モデルであるHDMapGenを提案する。
論文 参考訳(メタデータ) (2021-06-28T17:59:30Z) - CAMERAS: Enhanced Resolution And Sanity preserving Class Activation
Mapping for image saliency [61.40511574314069]
バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。
CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
論文 参考訳(メタデータ) (2021-06-20T08:20:56Z) - Improved Image Matting via Real-time User Clicks and Uncertainty
Estimation [87.84632514927098]
本論文では,トリムアップフリーで,ユーザによるクリック操作だけであいまいさを解消できる深層画像マッチングフレームワークを提案する。
研磨が必要な部品を予測できる新しい不確実性推定モジュールと、以下の局所精製モジュールを紹介します。
その結果,既存の trimap-free メソッドよりも優れた性能を示し,ユーザの労力を最小限に抑え,最先端の trimap-based メソッドと比較できることがわかった。
論文 参考訳(メタデータ) (2020-12-15T14:32:36Z) - Discovering Underground Maps from Fashion [80.02941583103612]
本研究では,都市部の地下地図を自動的に作成する手法を提案する。
本手法は,都市全域から公開されている画像を用いて,類似のファッションセンスを持つ地域を探索し,地図を監督せずにセグメント化する。
論文 参考訳(メタデータ) (2020-12-04T23:40:59Z) - SMAPGAN: Generative Adversarial Network Based Semi-Supervised Styled Map
Tiles Generating Method [0.0]
Google MapやBaidu Mapといったインターネット上で広く使われている従来のオンラインマップタイルは、ベクトルデータからレンダリングされる。
本稿では,SMAPGANモデルに基づくスタイル付き地図タイルの半教師付き生成を提案する。
実験結果から,SMAPGANは平均二乗誤差,構造類似度指数,ESSIに基づいて,最先端のSOTA(State-of-the-art)よりも優れていた。
論文 参考訳(メタデータ) (2020-01-21T04:13:21Z)
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。