論文の概要: Chinese Painting Style Transfer Using Deep Generative Models

• arxiv url: http://arxiv.org/abs/2310.09978v1
• Date: Sun, 15 Oct 2023 23:05:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-17 17:07:58.220893
• Title: Chinese Painting Style Transfer Using Deep Generative Models
• Title（参考訳）: 深部生成モデルを用いた中国絵画のスタイル伝達
• Authors: Weijian Ma, Yanyang Kong
• Abstract要約: アートスタイルの転送は、コンテンツを保存しながらイメージのスタイルを変更することを目的としている。 本研究は,中国絵画様式の転写における最先端の深層生成モデルについて研究・活用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artistic style transfer aims to modify the style of the image while preserving its content. Style transfer using deep learning models has been widely studied since 2015, and most of the applications are focused on specific artists like Van Gogh, Monet, Cezanne. There are few researches and applications on traditional Chinese painting style transfer. In this paper, we will study and leverage different state-of-the-art deep generative models for Chinese painting style transfer and evaluate the performance both qualitatively and quantitatively. In addition, we propose our own algorithm that combines several style transfer models for our task. Specifically, we will transfer two main types of traditional Chinese painting style, known as "Gong-bi" and "Shui-mo" (to modern images like nature objects, portraits and landscapes.
• Abstract（参考訳）: アートスタイルの転送は、コンテンツを保存しながらイメージのスタイルを変更することを目的としている。 ディープラーニングモデルを用いたスタイル転送は2015年から広く研究されており、ほとんどのアプリケーションはVan Gogh、Monet、Cezanneといった特定のアーティストに焦点を当てている。 伝統的な中国の絵画様式の伝来に関する研究や応用は少ない。 そこで本研究では,中国絵画スタイルの転写における最先端の深層生成モデルについて検討し,質的,定量的に評価する。 さらに,タスクに複数のスタイル転送モデルを組み合わせた独自のアルゴリズムを提案する。 具体的には、中国古来の画風である「ゴンビ」と「シュイモ」(自然物、肖像画、風景などの現代像)の2種類を転用する。

関連論文リスト

• DLP-GAN: learning to draw modern Chinese landscape photos with generative adversarial network [20.74857981451259]
  中国の風景画は独特で芸術的な様式であり、その画法は色と現実的な物体表現の両方において非常に抽象的である。 従来は、近代の絵から古代の墨画への移行に焦点が当てられていたが、風景画を近代の絵に翻訳することにはほとんど関心が向けられていない。
  論文  参考訳（メタデータ） (2024-03-06T04:46:03Z)
• ArtBank: Artistic Style Transfer with Pre-trained Diffusion Model and Implicit Style Prompt Bank [9.99530386586636]
  アートスタイルの転送は、学習したアートスタイルでコンテンツイメージを再描画することを目的としている。 既存のスタイル転送手法は、小さなモデルベースアプローチと、事前訓練された大規模モデルベースアプローチの2つのカテゴリに分けられる。 本研究では,高度にリアルなスタイライズされた画像を生成するために,アートバンクという新しいスタイル転送フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-11T05:53:40Z)
• CCLAP: Controllable Chinese Landscape Painting Generation via Latent Diffusion Model [54.74470985388726]
  制御可能な中国の風景画作成方法CCLAP。 本手法は,特に芸術的・芸術的概念において,最先端の演奏を実現する。
  論文  参考訳（メタデータ） (2023-04-09T04:16:28Z)
• QuantArt: Quantizing Image Style Transfer Towards High Visual Fidelity [94.5479418998225]
  視覚的忠実度の高いスタイリングのためのQuantArtと呼ばれる新しいスタイル転送フレームワークを提案する。 本フレームワークは,既存のスタイル転送方式と比較して,視覚的忠実度を著しく向上させる。
  論文  参考訳（メタデータ） (2022-12-20T17:09:53Z)
• Inversion-Based Style Transfer with Diffusion Models [78.93863016223858]
  以前の任意の例として誘導された芸術的画像生成法は、しばしば形状変化の制御や要素の伝達に失敗する。 画像のキー情報を効率よく正確に学習できるインバージョンベースのスタイル転送手法(InST)を提案する。
  論文  参考訳（メタデータ） (2022-11-23T18:44:25Z)
• 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)
• Pastiche Master: Exemplar-Based High-Resolution Portrait Style Transfer [103.54337984566877]
  StyleGANの最近の研究は、限られたデータを用いたトランスファーラーニングによる芸術的肖像画生成に高い性能を示している。 本稿では,オリジナルフェイスドメインと拡張アートポートレートドメインの両スタイルを柔軟に制御できる新しいDualStyleGANを提案する。 高品質なポートレートスタイル転送とフレキシブルなスタイル制御において、DualStyleGANが最先端の手法よりも優れていることを示す実験である。
  論文  参考訳（メタデータ） (2022-03-24T17:57:11Z)
• Image Style Transfer: from Artistic to Photorealistic [0.8528384027684192]
  ディープラーニングの急速な進歩は、フォトリアリスティックなスタイルのトランスファーの発展を著しく加速させた。 本稿では,芸術的なスタイル転送から始まるフォトリアリスティックなスタイル転送の発展と,従来の画像処理技術がフォトリアリスティックなスタイル転送に寄与することについてレビューする。
  論文  参考訳（メタデータ） (2022-03-12T03:22:05Z)
• Drafting and Revision: Laplacian Pyramid Network for Fast High-Quality Artistic Style Transfer [115.13853805292679]
  アートスタイルの転送は、サンプルイメージからコンテンツイメージへのスタイルの移行を目的としている。 図案作成と細部改訂の共通画法に触発されて,ラプラシアンピラミッドネットワーク(LapStyle)という新しいフィードフォワード方式を導入する。 本手法は, 定型的パターンを適切に伝達した高品質なスタイリズド画像をリアルタイムで合成する。
  論文  参考訳（メタデータ） (2021-04-12T11:53:53Z)

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。