論文の概要: Advances in 3D Neural Stylization: A Survey

• arxiv url: http://arxiv.org/abs/2311.18328v2
• Date: Tue, 18 Jun 2024 11:31:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-20 04:54:22.334393
• Title: Advances in 3D Neural Stylization: A Survey
• Title（参考訳）: 3Dニューラルスティル化の進歩:サーベイ
• Authors: Yingshu Chen, Guocheng Shao, Ka Chun Shum, Binh-Son Hua, Sai-Kit Yeung,
• Abstract要約: 現代の人工知能は、デジタルアートを作るための斬新で変革的なアプローチを提供する。 本稿では,ニューラルネットワークの表現力による3Dアセット作成と操作のスタイル化の進歩について報告する。
• 参考スコア（独自算出の注目度）: 22.80384639747636
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern artificial intelligence offers a novel and transformative approach to creating digital art across diverse styles and modalities like images, videos and 3D data, unleashing the power of creativity and revolutionizing the way that we perceive and interact with visual content. This paper reports on recent advances in stylized 3D asset creation and manipulation with the expressive power of neural networks. We establish a taxonomy for neural stylization, considering crucial design choices such as scene representation, guidance data, optimization strategies, and output styles. Building on such taxonomy, our survey first revisits the background of neural stylization on 2D images, and then presents in-depth discussions on recent neural stylization methods for 3D data, accompanied by a mini-benchmark evaluating selected neural field stylization methods. Based on the insights gained from the survey, we highlight the practical significance, open challenges, future research, and potential impacts of neural stylization, which facilitates researchers and practitioners to navigate the rapidly evolving landscape of 3D content creation using modern artificial intelligence.
• Abstract（参考訳）: 現代の人工知能は、画像、ビデオ、そして3Dデータといった様々なスタイルやモダリティにまたがるデジタルアートを作るための、斬新で革新的なアプローチを提供し、創造性の力を解き放ち、私たちが視覚的コンテンツを理解し、相互作用する方法に革命をもたらす。 本稿では,ニューラルネットワークの表現力による3Dアセット作成と操作のスタイル化の最近の進歩について報告する。 我々は、シーン表現、ガイダンスデータ、最適化戦略、出力スタイルといった重要な設計選択を考慮し、ニューラルスタイリゼーションのための分類法を確立する。 このような分類に基づいて,我々はまず2次元画像におけるニューラルスタイリゼーションの背景を再考し,次に選択したニューラルフィールドスタイリゼーション法をミニベンチマークで評価し,最近の3次元データに対するニューラルスタイリゼーション手法について詳細に検討した。 この調査から得られた知見に基づいて、現代の人工知能を用いて、急速に進化する3Dコンテンツ創造の風景を、研究者や実践者がナビゲートすることを可能にする、ニューラルネットワークのスタイリングの実践的重要性、オープンチャレンジ、将来の研究、潜在的な影響を強調した。

関連論文リスト

• Neural 3D decoding for human vision diagnosis [76.41771117405973]
  われわれは、AIが2D視覚から視覚的に可視で機能的により包括的な脳信号からデコードされた3D視覚へと進化することで、現在の最先端技術を超えることができることを示す。 本研究では、2D画像で提示された被験者のfMRIデータを入力として、対応する3Dオブジェクト視覚を出力する新しい3Dオブジェクト表現学習手法であるBrain3Dを設計する。
  論文  参考訳（メタデータ） (2024-05-24T06:06:11Z)
• Choreographing the Digital Canvas: A Machine Learning Approach to Artistic Performance [9.218587190403174]
  本稿では,属性記述に基づく芸術演奏のためのデザインツールについて紹介する。 このプラットフォームは、新しい機械学習(ML)モデルとインタラクティブインターフェースを統合して、芸術的な動きを生成、視覚化する。
  論文  参考訳（メタデータ） (2024-03-26T01:42:13Z)
• Advances in 3D Generation: A Survey [54.95024616672868]
  3Dコンテンツ生成の分野は急速に発展しており、高品質で多様な3Dモデルの作成を可能にしている。 具体的には,3次元生成のバックボーンとして機能する3D表現を紹介する。 本稿では,アルゴリズムのパラダイムのタイプによって分類された,生成手法に関する急成長する文献の概要について概説する。
  論文  参考訳（メタデータ） (2024-01-31T13:06:48Z)
• Towards 4D Human Video Stylization [56.33756124829298]
  本稿では,4D(3Dおよび時間)の映像スタイリングに向けての第一歩として,スタイル変換,新しいビュー合成,人間アニメーションについて述べる。 我々はNeural Radiance Fields(NeRF)を利用してビデオを表現する。 我々のフレームワークは、斬新なポーズや視点に対応する能力を独自に拡張し、クリエイティブなヒューマンビデオスタイリングのための汎用的なツールとなる。
  論文  参考訳（メタデータ） (2023-12-07T08:58:33Z)
• Neural 3D Strokes: Creating Stylized 3D Scenes with Vectorized 3D Strokes [20.340259111585873]
  ニューラル3Dストロークス(Neural 3D Strokes)は、多視点2D画像から任意の新しいビューで3Dシーンのスタイリング画像を生成する新しい技術である。 提案手法は,ベクトルストロークによる人間のアートワークのプログレッシブ・ペインティングの過程をシミュレートし,イメージ・ツー・ペインティング法からインスピレーションを得ている。
  論文  参考訳（メタデータ） (2023-11-27T09:02:21Z)
• CLIP-Guided Vision-Language Pre-training for Question Answering in 3D Scenes [68.61199623705096]
  我々は,モデルが意味論的かつ伝達可能な3Dシーンポイントクラウド表現を学習するのに役立つ,新しい3D事前学習型ビジョンランゲージを設計する。 符号化された3Dシーン特徴と対応する2D画像とテキスト埋め込みとを一致させることにより、人気のあるCLIPモデルの表現力を3Dエンコーダに注入する。 我々は,3次元視覚質問応答の下流課題に対して,我々のモデルによる3次元世界推論能力を評価する。
  論文  参考訳（メタデータ） (2023-04-12T16:52:29Z)
• 3D Photo Stylization: Learning to Generate Stylized Novel Views from a Single Image [26.71747401875526]
  スタイル転送と2つの代表的なタスクとしてのシングルイメージの3D写真は、これまで独立して進化してきた。 シーンのポイントクラウド表現からテクスチャ化のための幾何学的コンテンツ特徴を学習する深層モデルを提案する。 本研究では,定性的・定量的研究を通じて,本手法の優位性を実証する。
  論文  参考訳（メタデータ） (2021-11-30T23:27:10Z)
• Neural Fields in Visual Computing and Beyond [54.950885364735804]
  機械学習の最近の進歩は、座標ベースニューラルネットワークを用いた視覚コンピューティング問題の解決への関心が高まっている。 ニューラルネットワークは、3D形状と画像の合成、人体のアニメーション、3D再構成、ポーズ推定に成功している。 本報告は、文脈、数学的基礎、および、ニューラルネットワークに関する文献の広範なレビューを提供する。
  論文  参考訳（メタデータ） (2021-11-22T18:57:51Z)
• Neural Actor: Neural Free-view Synthesis of Human Actors with Pose Control [80.79820002330457]
  任意の視点と任意の制御可能なポーズの下での人間の高品質な合成法を提案する。 提案手法は,新しいポーズ合成法と同様に,再生時の最先端技術よりも優れた品質を実現し,トレーニングポーズと大きく異なる新しいポーズを一般化することができる。
  論文  参考訳（メタデータ） (2021-06-03T17:40:48Z)
• Learning Compositional Radiance Fields of Dynamic Human Heads [13.272666180264485]
  従来の方法のベストを組み合わせ、高分解能と高速な結果の両方を生成する新しい合成3D表現を提案します。 異なるボリュームレンダリングを用いて、人間の頭部と上半身のフォトリアリスティックなノベルビューを計算する。 本研究は,人間の頭と上半身の新たな視線を合成する手法である。
  論文  参考訳（メタデータ） (2020-12-17T22:19:27Z)
• Understanding Information Processing in Human Brain by Interpreting Machine Learning Models [1.14219428942199]
  この論文は、ニューラルネットワークの直感的な計算モデルを作成する上で、機械学習メソッドが果たす役割を探求している。 この視点は、コンピュータ神経科学に対する探索的およびデータ駆動のアプローチが果たす大きな役割を支持する。
  論文  参考訳（メタデータ） (2020-10-17T04:37:26Z)

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。