論文の概要: Procedural terrain generation with style transfer

• arxiv url: http://arxiv.org/abs/2403.08782v1
• Date: Sun, 28 Jan 2024 14:22:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-18 05:40:54.662007
• Title: Procedural terrain generation with style transfer
• Title（参考訳）: スタイル転送による手続き的地形生成
• Authors: Fabio Merizzi,
• Abstract要約: 本稿では,プロシージャ生成とニューラルスタイル転送を組み合わせた地形図作成手法を提案する。 このアルゴリズム生成とニューラルプロセッシングの融合は、多様なだけでなく、現実世界の風景の形態的特性と密接に整合した地形を作り出す可能性を秘めている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this study we introduce a new technique for the generation of terrain maps, exploiting a combination of procedural generation and Neural Style Transfer. We consider our approach to be a viable alternative to competing generative models, with our technique achieving greater versatility, lower hardware requirements and greater integration in the creative process of designers and developers. Our method involves generating procedural noise maps using either multi-layered smoothed Gaussian noise or the Perlin algorithm. We then employ an enhanced Neural Style transfer technique, drawing style from real-world height maps. This fusion of algorithmic generation and neural processing holds the potential to produce terrains that are not only diverse but also closely aligned with the morphological characteristics of real-world landscapes, with our process yielding consistent terrain structures with low computational cost and offering the capability to create customized maps. Numerical evaluations further validate our model's enhanced ability to accurately replicate terrain morphology, surpassing traditional procedural methods.
• Abstract（参考訳）: 本研究では,プロシージャ生成とニューラルスタイル転送を組み合わせた地形図作成手法を提案する。 当社のアプローチは,汎用性の向上,ハードウェア要件の低減,デザイナや開発者の創造的プロセスへの統合性の向上など,競合する生成モデルの代替手段として有効なものだと考えています。 提案手法では,多層スムーズなガウス雑音とパーリンアルゴリズムを用いて手続き型ノイズマップを生成する。 次に,実世界高度マップからの描画スタイルを改良したニューラルスタイル転送手法を用いる。 このアルゴリズム生成とニューラルプロセッシングの融合は、多様なだけでなく、現実世界のランドスケープの形態的特徴と密接に整合した地形を創出する可能性を秘めており、我々のプロセスは計算コストの低い一貫した地形構造を生成し、カスタマイズされた地図を作成する能力を提供する。 数値的な評価により、従来の手続き手法を超越して、地形形態を正確に再現するモデルの強化能力がさらに検証される。

関連論文リスト

• DreamPolish: Domain Score Distillation With Progressive Geometry Generation [66.94803919328815]
  本稿では,高精細な幾何学と高品質なテクスチャの創出に優れたテキスト・ツー・3D生成モデルであるDreamPolishを紹介する。 幾何構成フェーズでは, 合成過程の安定性を高めるために, 複数のニューラル表現を利用する。 テクスチャ生成フェーズでは、そのような領域に向けて神経表現を導くために、新しいスコア蒸留、すなわちドメインスコア蒸留(DSD)を導入する。
  論文  参考訳（メタデータ） (2024-11-03T15:15:01Z)
• Part-aware Shape Generation with Latent 3D Diffusion of Neural Voxel Fields [50.12118098874321]
  ニューラルボクセル場に対する潜在3次元拡散過程を導入し,高分解能で生成を可能にする。 部分符号を神経ボクセル場に統合し、正確な部分分解を導出するために、部分認識形状復号器を導入する。 その結果,既存の最先端手法よりも優れた部品認識形状生成において,提案手法の優れた生成能力を示した。
  論文  参考訳（メタデータ） (2024-05-02T04:31:17Z)
• Terrain Diffusion Network: Climatic-Aware Terrain Generation with Geological Sketch Guidance [16.29267504093274]
  スケッチベースの地形生成は、コンピュータゲーム、アニメーション、バーチャルリアリティーなどの様々なアプリケーションにおいて、仮想環境のための現実的な風景を作成しようとしている。 本稿では,制御性向上のためのユーザガイダンスを積極的に取り入れた,新しい拡散に基づく地形拡散ネットワーク(TDN)を提案する。 3つの地形合成装置は、構造的、中間的、きめ細やかなレベル認知のために設計されており、それぞれの合成装置は異なる地形の側面に集中することができる。
  論文  参考訳（メタデータ） (2023-08-31T13:41:34Z)
• Neural Point-based Volumetric Avatar: Surface-guided Neural Points for Efficient and Photorealistic Volumetric Head Avatar [62.87222308616711]
  ニューラルポイント表現とニューラルボリュームレンダリングプロセスを採用したフルネーム(名前)を提案する。 具体的には、ニューラルポイントは高分解能UV変位マップを介してターゲット表現の表面を戦略的に拘束する。 設計上は,アバターをアニメーションする際の正確な表現制御を確保しつつ,地形的に変化する領域や細い構造を扱えるように設計されている。
  論文  参考訳（メタデータ） (2023-07-11T03:40:10Z)
• NeuManifold: Neural Watertight Manifold Reconstruction with Efficient and High-Quality Rendering Support [45.68296352822415]
  マルチビュー入力画像から高品質な水密多様体メッシュを生成する手法を提案する。 提案手法は両世界の利点を組み合わせ, ニューラルネットワークから得られる幾何学と, よりコンパクトな神経テクスチャ表現を最適化する。
  論文  参考訳（メタデータ） (2023-05-26T17:59:21Z)
• Learning Graph Neural Networks for Image Style Transfer [131.73237185888215]
  最先端のパラメトリックおよび非パラメトリックなスタイル転送アプローチは、グローバルな統計アライメントによる局所的なスタイルパターンの歪んだり、パッチミスマッチによるアーティファクトを減らしたりする傾向にある。 本稿では,パラメトリック型と非パラメトリック型の両方のスタイライゼーションの欠如を緩和する,新しい半パラメトリック型ニューラルスタイルトランスファーフレームワークについて検討する。
  論文  参考訳（メタデータ） (2022-07-24T07:41:31Z)
• Deep Generative Framework for Interactive 3D Terrain Authoring and Manipulation [4.202216894379241]
  本稿では,VAEと生成条件GANモデルを組み合わせた新しいランドスケープオーサリングフレームワークを提案する。 我々のフレームワークは実世界の地形データセットから潜在空間を学習することで既存の手法の限界を克服しようとする例に基づく手法である。 我々はまた、ユーザが最小限の入力で多様な地形を生成できるインタラクティブツールを開発した。
  論文  参考訳（メタデータ） (2022-01-07T08:58:01Z)
• Dynamically Grown Generative Adversarial Networks [111.43128389995341]
  本稿では、ネットワークアーキテクチャとそのパラメータを自動化とともに最適化し、トレーニング中にGANを動的に成長させる手法を提案する。 本手法はアーキテクチャ探索手法を勾配に基づく訓練とインターリーブステップとして組み込んで,ジェネレータと識別器の最適アーキテクチャ成長戦略を定期的に探究する。
  論文  参考訳（メタデータ） (2021-06-16T01:25:51Z)
• Texture Generation with Neural Cellular Automata [64.70093734012121]
  一つのテンプレート画像からテクスチャジェネレータを学習する。 NCAモデルで示される振る舞いは、テクスチャを生成するための学習された分散されたローカルアルゴリズムであると主張します。
  論文  参考訳（メタデータ） (2021-05-15T22:05:46Z)
• Semi-supervised Synthesis of High-Resolution Editable Textures for 3D Humans [14.098628848491147]
  半教師付き構成で3次元メッシュの多彩な高忠実度テクスチャマップを生成する新しい手法を提案する。 テクスチャマップ内のセマンティクス領域のレイアウトを定義するセグメンテーションマスクを考えると、ネットワークはさまざまなスタイルで高解像度のテクスチャを生成し、レンダリング目的に使用されます。
  論文  参考訳（メタデータ） (2021-03-31T17:58:34Z)
• Recurrent Distillation based Crowd Counting [23.4315417286694]
  本稿では,様々な混み合った場面で最先端のパフォーマンスを達成できる,シンプルで効果的な群集カウントフレームワークを提案する。 実験では、提案したトレーニングアルゴリズムにより、単純な畳み込みニューラルネットワークアーキテクチャが強化され、我々のモデルは最先端の手法に匹敵するか、比較できることを示した。
  論文  参考訳（メタデータ） (2020-06-14T01:04:52Z)

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。