論文の概要: Painterly Image Harmonization by Learning from Painterly Objects
- arxiv url: http://arxiv.org/abs/2312.10263v1
- Date: Fri, 15 Dec 2023 23:36:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-19 17:36:18.775520
- Title: Painterly Image Harmonization by Learning from Painterly Objects
- Title（参考訳）: 絵画作品からの学習による画家的イメージ調和
- Authors: Li Niu, Junyan Cao, Yan Hong, Liqing Zhang
- Abstract要約: 美術絵画の絵画的対象に基づいて,背景のスタイルや物体情報から物体のスタイルへのマッピングを学習する。
学習したマッピングにより、エンコーダ特徴写像を調和させて調和した画像を生成するために使用される複合オブジェクトのターゲットスタイルを幻覚することができる。
- 参考スコア（独自算出の注目度）: 35.23590833646526
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Given a composite image with photographic object and painterly background,
painterly image harmonization targets at stylizing the composite object to be
compatible with the background. Despite the competitive performance of existing
painterly harmonization works, they did not fully leverage the painterly
objects in artistic paintings. In this work, we explore learning from painterly
objects for painterly image harmonization. In particular, we learn a mapping
from background style and object information to object style based on painterly
objects in artistic paintings. With the learnt mapping, we can hallucinate the
target style of composite object, which is used to harmonize encoder feature
maps to produce the harmonized image. Extensive experiments on the benchmark
dataset demonstrate the effectiveness of our proposed method.
- Abstract（参考訳）: 写真オブジェクトと画家的背景の複合画像が与えられると、画家的イメージ調和は、背景と互換性のある複合オブジェクトのスタイル化を目標とする。
既存の画家的調和作品の競争力はあったが、絵画における画家的対象を十分に活用することはできなかった。
本研究は,画家のイメージ調和のための絵画的物体からの学習について検討する。
特に,絵画における絵画的対象に基づいて,背景のスタイルや物体情報から物体のスタイルへのマッピングを学習する。
学習したマッピングにより、エンコーダ特徴写像を調和させて調和した画像を生成するために使用される複合オブジェクトのターゲットスタイルを幻覚することができる。
提案手法の有効性を示すため,ベンチマークデータセットの大規模な実験を行った。
関連論文リスト
- CLiC: Concept Learning in Context [54.81654147248919]
本稿では,視覚概念学習の最近の進歩に基づく。
ソースイメージから視覚概念を取得し、その後ターゲットイメージ内のオブジェクトに適用する。
概念学習のローカライズには,マスク内の概念と周囲の画像領域の両方を含むソフトマスクを用いる。
論文 参考訳（メタデータ） (2023-11-28T01:33:18Z) - Painterly Image Harmonization via Adversarial Residual Learning [37.78751164466694]
画家的なイメージは 背景の絵のスタイルを 前景の物体に 転送することを目的としています
本研究では,前景特徴写像と背景特徴写像の間の領域ギャップを埋めるために,逆学習を用いる。
論文 参考訳（メタデータ） (2023-11-15T01:53:46Z) - DreamCom: Finetuning Text-guided Inpainting Model for Image Composition [24.411003826961686]
本研究では、画像合成を、特定の対象に対してカスタマイズされた画像インペイントとして扱うことで、DreamComを提案する。
具体的には、同じオブジェクトを含むいくつかの参照画像に基づいて、事前学習したテキスト誘導画像の塗装モデルを精査する。
実際には、挿入された物体は背景の影響を受けやすいため、陰性な背景干渉を避けるためにマスキングされた注意機構を提案する。
論文 参考訳（メタデータ） (2023-09-27T09:23:50Z) - Learning to Evaluate the Artness of AI-generated Images [64.48229009396186]
アートスコア(ArtScore)は、アーティストによる本物のアートワークと画像がどの程度似ているかを評価するために設計されたメトリクスである。
我々は、写真とアートワークの生成のために事前訓練されたモデルを採用し、一連の混合モデルを生み出した。
このデータセットはニューラルネットワークのトレーニングに使用され、任意の画像の定量化精度レベルを推定する方法を学ぶ。
論文 参考訳（メタデータ） (2023-05-08T17:58:27Z) - 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) - Perceptual Artifacts Localization for Inpainting [60.5659086595901]
そこで本研究では,知覚的アーティファクトの自動セグメンテーションの学習タスクを提案する。
データセット上で高度なセグメンテーションネットワークをトレーニングし、インペイントされた画像内のインペイントされたアーティファクトを確実にローカライズする。
また, 対象領域と対象領域全体との比率である知覚人工物比 (PAR) という新しい評価指標を提案する。
論文 参考訳（メタデータ） (2022-08-05T18:50:51Z) - Adversarial Image Composition with Auxiliary Illumination [53.89445873577062]
本稿では,現実的な画像合成を実現するためのAIC-Netを提案する。
影の発生と前景の移動を両立させる新しい分岐生成機構を提案する。
歩行者と自動車のコンポジションタスクに関する実験により,提案したAIC-Netが優れたコンポジション性能を実現することを示す。
論文 参考訳（メタデータ） (2020-09-17T12:58:16Z) - Understanding Compositional Structures in Art Historical Images using
Pose and Gaze Priors [20.98603643788824]
画像合成は、アーティストとそのアートワークを研究するために、画像内の相互作用を分析するのに有用である。
本研究では,既存の機械学習技術を用いて,このプロセスの自動化を試みる。
本手法は, (a) 絵画のアクション領域とアクションラインの検出, (b) 前景と背景のポーズに基づくセグメンテーションの2つの中心的なテーマに焦点を当てる。
論文 参考訳（メタデータ） (2020-09-08T15:01:56Z)
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。