論文の概要: Synthesizing Environment-Specific People in Photographs

• arxiv url: http://arxiv.org/abs/2312.14579v2
• Date: Thu, 26 Sep 2024 16:25:33 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-09 09:05:28.621685
• Title: Synthesizing Environment-Specific People in Photographs
• Title（参考訳）: 写真における環境特有な人物の合成
• Authors: Mirela Ostrek, Carol O'Sullivan, Michael J. Black, Justus Thies,
• Abstract要約: ESPはコンテキスト対応フルボディ生成のための新しい手法である。 ESPは、シーンの写真から抽出された2Dポーズとコンテキストキューに条件付けされる。 本研究では,ESPがコンテキストフルボディ生成のタスクにおいて,最先端技術よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 57.962139271004325
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present ESP, a novel method for context-aware full-body generation, that enables photo-realistic synthesis and inpainting of people wearing clothing that is semantically appropriate for the scene depicted in an input photograph. ESP is conditioned on a 2D pose and contextual cues that are extracted from the photograph of the scene and integrated into the generation process, where the clothing is modeled explicitly with human parsing masks (HPM). Generated HPMs are used as tight guiding masks for inpainting, such that no changes are made to the original background. Our models are trained on a dataset containing a set of in-the-wild photographs of people covering a wide range of different environments. The method is analyzed quantitatively and qualitatively, and we show that ESP outperforms the state-of-the-art on the task of contextual full-body generation.
• Abstract（参考訳）: 入力写真に描かれたシーンにセマンティックに適した衣服を着る人々の写真リアルな合成と着色を可能にする,コンテキスト対応フルボディ生成の新しい手法であるESPを提案する。 ESPは、シーンの写真から抽出され、生成プロセスに統合された2Dポーズとコンテキストキューに条件付けされ、そこでは、衣服をヒューマンパーシングマスク(HPM)で明示的にモデル化する。 生成したHPMは塗布のためのタイトなガイドマスクとして使用され、元の背景には何の変化も与えない。 当社のモデルは、さまざまな環境をカバーしている人々の、Wild内の一連の写真を含むデータセットでトレーニングされています。 本手法は定量的かつ定性的に解析され,ESPがコンテキストフルボディ生成のタスクにおいて,最先端技術よりも優れていることを示す。

関連論文リスト

• Text2Place: Affordance-aware Text Guided Human Placement [26.041917073228483]
  この研究は、textbfSemantic Human Placementと呼ばれる背景シーンにおける現実的な人間の挿入の問題に取り組む。 セマンティックマスクの学習には,テキストから画像への生成モデルから学習したリッチなオブジェクトシーンの先行情報を活用する。 提案手法は,背景と被写体を保存しながら,リアルなシーン構成を生成することができる。
  論文  参考訳（メタデータ） (2024-07-22T08:00:06Z)
• When StyleGAN Meets Stable Diffusion: a $\mathscr{W}_+$ Adapter for Personalized Image Generation [60.305112612629465]
  テキストと画像の拡散モデルは、多種多様で高品質でフォトリアリスティックな画像を生成するのに優れている。 本稿では,拡散モデルのための拡張されたアイデンティティ保存とアンタングル化を実現するために,StyleGAN 埋め込み空間 $mathcalW_+$ の新たな利用法を提案する。 提案手法は,即時記述に適合するだけでなく,一般的なスタイルGAN編集方向に対応可能なパーソナライズされたテキスト・ツー・イメージ出力を生成する。
  論文  参考訳（メタデータ） (2023-11-29T09:05:14Z)
• Global Context-Aware Person Image Generation [24.317541784957285]
  文脈認識型人物画像生成のためのデータ駆動型アプローチを提案する。 本手法では,生成した人物の位置,規模,外観を,現場の既存人物に対して意味的に条件付けする。
  論文  参考訳（メタデータ） (2023-02-28T16:34:55Z)
• Hallucinating Pose-Compatible Scenes [55.064949607528405]
  ポーズ条件付きシーン生成のための大規模生成対向ネットワークを提案する。 毎日の環境に1900万フレーム以上の人間がいる巨大なメタデータをキュレートします。 我々は、ポーズ互換シーンを人間の有無に関わらず幻覚化し、不整合シーンやポーズを可視化し、1つの生成された画像から別のシーンに人物を配置し、ポーズをアニメーションする様々な用途に、トレーニングされたモデルを活用する。
  論文  参考訳（メタデータ） (2021-12-13T18:59:26Z)
• HumanGAN: A Generative Model of Humans Images [78.6284090004218]
  本研究では,ポーズ,局所的な身体部分の外観,衣料品スタイルを制御できる服装者の画像生成モデルを提案する。 本モデルでは,正規化されたポーズ非依存空間に部分的潜在性出現ベクトルをエンコードし,異なるポーズに誘導し,様々な姿勢で身体や衣服の外観を保っている。
  論文  参考訳（メタデータ） (2021-03-11T19:00:38Z)
• PISE: Person Image Synthesis and Editing with Decoupled GAN [64.70360318367943]
  人像合成と編集のための新しい二段階生成モデルであるPISEを提案する。 ヒトのポーズ伝達では,まず対象のポーズに合わせた人間のパーシングマップを合成し,衣服の形状を表現する。 衣服の形状とスタイルを分離するため,地域ごとの符号化と正規化を共同で提案する。
  論文  参考訳（メタデータ） (2021-03-06T04:32:06Z)
• Wish You Were Here: Context-Aware Human Generation [100.51309746913512]
  本稿では,既存の画像にオブジェクト,特に人間を挿入する新しい手法を提案する。 本手法では, 現場の他の人物のポーズを考慮し, まず, 新たな人物のセマンティックマップを生成する。 第2のネットワークは、複数の外観成分の仕様に基づいて、新規人物とそのブレンディングマスクの画素を描画する。 第3のネットワークは、対象者の顔と一致するように生成された顔を洗練する。
  論文  参考訳（メタデータ） (2020-05-21T14:09:14Z)
• Adversarial Synthesis of Human Pose from Text [18.02001711736337]
  この研究は、人間レベルのテキスト記述から人間のポーズを合成することに焦点を当てている。 本稿では,条件付き生成逆数ネットワークに基づくモデルを提案する。 定性的かつ定量的な結果から、与えられたテキストと一致する可視的なポーズを合成できることを示す。
  論文  参考訳（メタデータ） (2020-05-01T12:32:04Z)

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。