論文の概要: DLP-GAN: learning to draw modern Chinese landscape photos with generative adversarial network

• arxiv url: http://arxiv.org/abs/2403.03456v2
• Date: Thu, 7 Mar 2024 05:49:05 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-08 16:28:16.036548
• Title: DLP-GAN: learning to draw modern Chinese landscape photos with generative adversarial network
• Title（参考訳）: DLP-GAN : 生成的対向ネットワークによる近代中国の風景画像の描画学習
• Authors: Xiangquan Gui, Binxuan Zhang, Li Li, Yi Yang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 20.74857981451259
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Chinese landscape painting has a unique and artistic style, and its drawing technique is highly abstract in both the use of color and the realistic representation of objects. Previous methods focus on transferring from modern photos to ancient ink paintings. However, little attention has been paid to translating landscape paintings into modern photos. To solve such problems, in this paper, we (1) propose DLP-GAN (Draw Modern Chinese Landscape Photos with Generative Adversarial Network), an unsupervised cross-domain image translation framework with a novel asymmetric cycle mapping, and (2) introduce a generator based on a dense-fusion module to match different translation directions. Moreover, a dual-consistency loss is proposed to balance the realism and abstraction of model painting. In this way, our model can draw landscape photos and sketches in the modern sense. Finally, based on our collection of modern landscape and sketch datasets, we compare the images generated by our model with other benchmarks. Extensive experiments including user studies show that our model outperforms state-of-the-art methods.
• Abstract（参考訳）: 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。 以前の手法では、現代の写真から古代のインク絵画への移譲に焦点を当てていた。 しかし、風景画を現代写真に翻訳するのにはほとんど注意が払われていない。 そこで本稿では,(1)新しい非対称サイクルマッピングを用いた非教師付きクロスドメイン画像翻訳フレームワークであるdlp-ganを提案し,(2)異なる翻訳方向にマッチする高密度融合モジュールを用いたジェネレータを導入する。 さらに,モデルペインティングのリアリズムと抽象化のバランスをとるために,双矛盾損失が提案されている。 このようにして、われわれのモデルは現代の意味で風景写真やスケッチを描くことができる。 最後に、最新のランドスケープとスケッチデータセットのコレクションに基づいて、我々のモデルによって生成された画像と他のベンチマークを比較します。 ユーザスタディを含む広範な実験により,本モデルが最先端手法よりも優れていることが示された。

関連論文リスト

• LPGen: Enhancing High-Fidelity Landscape Painting Generation through Diffusion Model [1.7966001353008776]
  本稿では,ランドスケープ・ペインティング・ジェネレーションのための高忠実かつ制御可能なモデルLPGenを提案する。 拡散モデルに画像プロンプトを統合する新しいマルチモーダルフレームワークを提案する。 我々は、画像とテキストのプロンプトの互換性を確保するために、分離されたクロスアテンション戦略を実装し、マルチモーダル画像生成を容易にする。
  論文  参考訳（メタデータ） (2024-07-24T12:32:24Z)
• Chinese Painting Style Transfer Using Deep Generative Models [0.0]
  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。
  論文  参考訳（メタデータ） (2023-10-15T23:05:17Z)
• Learning to Generate Poetic Chinese Landscape Painting with Calligraphy [15.33820176664941]
  ポーラカ(Polaca)は、漢画を書道で創作する新システムである。 3つの異なるモジュールを備えており、風景画の全体を完成させている。
  論文  参考訳（メタデータ） (2023-05-08T14:10:10Z)
• 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)
• CtlGAN: Few-shot Artistic Portraits Generation with Contrastive Transfer Learning [77.27821665339492]
  CtlGANは、新しいコントラッシブ・トランスファー学習戦略を備えた、数発のアート・ポートレート生成モデルである。 ソースドメインで事前訓練したStyleGANを,対象の芸術領域に適応させる。 実面をZ+空間に埋め込んだ新しいエンコーダを提案し,適応型デコーダに対処するためのデュアルパストレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-16T13:28:17Z)
• 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)
• 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)
• Unsupervised Contrastive Photo-to-Caricature Translation based on Auto-distortion [49.93278173824292]
  Photo-to-caricatureは、スケッチ、鉛筆のストローク、その他の芸術的図面を通じて特徴を誇張するレンダリング画像として、似顔絵を合成することを目的としている。 スタイルレンダリングと幾何学的変形は、フォト・ツー・キャリキュア・トランスフォーメーション・タスクにおいて最も重要な側面である。 教師なしのコントラスト変換アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-11-10T08:14:36Z)
• DeepFacePencil: Creating Face Images from Freehand Sketches [77.00929179469559]
  既存の画像から画像への変換には、大規模なスケッチと画像のデータセットが必要である。 本稿では,手描きスケッチから写真リアルな顔画像を生成するための効果的なツールであるDeepFacePencilを提案する。
  論文  参考訳（メタデータ） (2020-08-31T03:35:21Z)

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。