Fugu-MT 論文翻訳(概要): CalliPaint: Chinese Calligraphy Inpainting with Diffusion Model

論文の概要: CalliPaint: Chinese Calligraphy Inpainting with Diffusion Model

arxiv url: http://arxiv.org/abs/2312.01536v1
Date: Sun, 3 Dec 2023 23:29:59 GMT
ステータス: 処理完了
システム内更新日: 2023-12-05 17:00:27.386337
Title: CalliPaint: Chinese Calligraphy Inpainting with Diffusion Model
Title（参考訳）: CalliPaint: 拡散モデルで描かれた中国の書道
Authors: Qisheng Liao, Zhinuo Wang, Muhammad Abdul-Mageed, Gus Xia
Abstract要約: 本稿では,中国書道の書道とイメージインペインティングの両面での最近の進歩を生かした新しいモデルを提案する。提案したモデルであるCalliPaintは、説得力のある漢字を書けることを示す。
参考スコア（独自算出の注目度）: 17.857394263321538
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Chinese calligraphy can be viewed as a unique form of visual art. Recent advancements in computer vision hold significant potential for the future development of generative models in the realm of Chinese calligraphy. Nevertheless, methods of Chinese calligraphy inpainting, which can be effectively used in the art and education fields, remain relatively unexplored. In this paper, we introduce a new model that harnesses recent advancements in both Chinese calligraphy generation and image inpainting. We demonstrate that our proposed model CalliPaint can produce convincing Chinese calligraphy.
Abstract（参考訳）: 中国書道は独特の視覚芸術の形式と見なすことができる。近年のコンピュータビジョンの進歩は、中国書道の領域における生成モデルの発展に大きな可能性を秘めている。それにもかかわらず、美術・教育分野において効果的に使用できる漢画画の技法は、比較的未調査のままである。本稿では,中国の書道生成とイメージインパインティングの両方における最近の進歩を活かした新しいモデルを提案する。提案したモデルであるCalliPaintは、説得力のある漢字を書けることを示す。

関連論文リスト

Moyun: A Diffusion-Based Model for Style-Specific Chinese Calligraphy Generation [10.7430517947254]
「もゆん」は、生成過程を効果的に制御し、特定の様式で書を書ける。書道においても「もゆん」は書道の様式にマッチした書風を書ける。
論文参考訳（メタデータ） (2024-10-10T05:14:03Z)
Empowering Backbone Models for Visual Text Generation with Input Granularity Control and Glyph-Aware Training [68.41837295318152]
拡散に基づくテキスト・ツー・イメージモデルでは、多様性と美学の素晴らしい成果が示されているが、視覚的なテキストで画像を生成するのに苦労している。既存のバックボーンモデルには、ミススペル、テキスト生成の失敗、中国語テキストのサポートの欠如といった制限がある。本稿では,英語と中国語の視覚テキスト生成にバックボーンモデルを活用するための一連の手法を提案する。
論文参考訳（メタデータ） (2024-10-06T10:25:39Z)
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)
Calliffusion: Chinese Calligraphy Generation and Style Transfer with Diffusion Modeling [1.856334276134661]
拡散モデルを用いて高品質な漢字書体を生成するシステムであるCaliffusionを提案する。我々のモデルアーキテクチャはDDPM(Denoising Diffusion Probabilistic Models)に基づいている
論文参考訳（メタデータ） (2023-05-30T15:34:45Z)
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)
PaCaNet: A Study on CycleGAN with Transfer Learning for Diversifying Fused Chinese Painting and Calligraphy [8.724826658340415]
PaCaNetはCycleGANベースのパイプラインで、伝統的な中国絵画と書道の2つの異なる種類のアートを融合させる新しいアートワークを制作する。われわれのアプローチは、中国語のヒエログリフ文字の起源に根ざした独特の美的体験を生み出す。
論文参考訳（メタデータ） (2023-01-30T17:22:10Z)
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)
Language Does More Than Describe: On The Lack Of Figurative Speech in Text-To-Image Models [63.545146807810305]
テキスト・ツー・イメージ拡散モデルでは、テキスト入力プロンプトから高品質な画像を生成することができる。これらのモデルは、コンテンツベースのラベル付けプロトコルから収集されたテキストデータを用いて訓練されている。本研究では,現在使用されているテキスト・画像拡散モデルのトレーニングに使用されている公開テキストデータの感情性,目的性,抽象化の程度を特徴付ける。
論文参考訳（メタデータ） (2022-10-19T14:20:05Z)
Quality Metric Guided Portrait Line Drawing Generation from Unpaired Training Data [88.78171717494688]
本研究では,顔画像から肖像画への自動変換手法を提案する。本手法は,(1)1つのネットワークを用いて複数のスタイルで高品質な肖像画を生成することを学習し,(2)トレーニングデータに見つからない「新しいスタイル」の肖像画を生成する。
論文参考訳（メタデータ） (2022-02-08T06:49:57Z)
ShufaNet: Classification method for calligraphers who have reached the professional level [0.0]
そこで我々は,中国の書道スタイルを計量学習に基づいて分類する新しい手法,ShufaNetを提案する。提案手法は,resNetや他の主流CNNを超越した,数ショット学習のためのデータセットの精度を65%向上した。
論文参考訳（メタデータ） (2021-11-22T16:55:31Z)
CalliGAN: Style and Structure-aware Chinese Calligraphy Character Generator [6.440233787863018]
書道(きゅうりょう)とは、筆で行う芸術形式としての漢字の書法である。近年の研究では、1つのモデルを用いて複数のスタイルのイメージ・ツー・イメージ翻訳によって漢字を生成することができることが示されている。そこで本研究では,漢字の成分情報をモデルに組み込んだ新しい手法を提案する。
論文参考訳（メタデータ） (2020-05-26T03:15:03Z)

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。