論文の概要: Image Vectorization with Depth: convexified shape layers with depth ordering
- arxiv url: http://arxiv.org/abs/2409.06648v1
- Date: Tue, 10 Sep 2024 17:06:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-11 16:39:07.929246
- Title: Image Vectorization with Depth: convexified shape layers with depth ordering
- Title（参考訳）: 深度による画像ベクトル化:深度秩序を有する凸形状層
- Authors: Ho Law, Sung Ha Kang,
- Abstract要約: そこで本稿では,画像のベクトル化手法として,画像を拡張性のある形状の層に分解し,画像のベクトル化を行う手法を提案する。
我々は,Eulerの弾性曲率に基づく変分インペインティングによる閉包領域の凸化を行い,Modica-Mortolaダブルウェルポテンシャルエネルギーの安定性を利用した大面積領域のインペインティングを行った。
これは、形状の境界が滑らかに伸びているという人間の視覚的認識に続くものであり、形状が凸である可能性が高いと仮定する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image vectorization is a process to convert a raster image into a scalable vector graphic format. Objective is to effectively remove the pixelization effect while representing boundaries of image by scaleable parameterized curves. We propose new image vectorization with depth which considers depth ordering among shapes and use curvature-based inpainting for convexifying shapes in vectorization process.From a given color quantized raster image, we first define each connected component of the same color as a shape layer, and construct depth ordering among them using a newly proposed depth ordering energy. Global depth ordering among all shapes is described by a directed graph, and we propose an energy to remove cycle within the graph. After constructing depth ordering of shapes, we convexify occluded regions by Euler's elastica curvature-based variational inpainting, and leverage on the stability of Modica-Mortola double-well potential energy to inpaint large regions. This is following human vision perception that boundaries of shapes extend smoothly, and we assume shapes are likely to be convex. Finally, we fit B\'{e}zier curves to the boundaries and save vectorization as a SVG file which allows superposition of curvature-based inpainted shapes following the depth ordering. This is a new way to vectorize images, by decomposing an image into scalable shape layers with computed depth ordering. This approach makes editing shapes and images more natural and intuitive. We also consider grouping shape layers for semantic vectorization. We present various numerical results and comparisons against recent layer-based vectorization methods to validate the proposed model.
- Abstract（参考訳）: 画像ベクトル化は、ラスタ画像をスケーラブルなベクトルグラフィックフォーマットに変換するプロセスである。
目的は、スケール可能なパラメータ化曲線によって画像の境界を表現しながら、画素化効果を効果的に除去することである。
本稿では, 形状間の深度秩序を考慮した新しい画像ベクトル化法を提案し, ベクトル化過程における形状の凸化に曲率ベースのインペインティングを用い, 与えられた色量化ラスタ画像において, 形状層として同一色の各連結成分を最初に定義し, それらの間の深度秩序を新たに提案した深度秩序エネルギーを用いて構築する。
すべての形状のグローバルな深度順序付けを有向グラフで記述し、グラフ内のサイクルを除去するエネルギーを提案する。
形状の深度秩序を構築した後,Eulerの弾性曲率に基づく変分インペインティングにより閉包領域を凸化し,大きな領域を塗布するためのModica-Mortolaダブルウェルポテンシャルエネルギーの安定性を活用する。
これは、形状の境界が滑らかに伸びているという人間の視覚的認識に続くものであり、形状が凸である可能性が高いと仮定する。
最後に、B\'{e}zier曲線を境界に当てはめ、ベクトル化をSVGファイルとして保存する。
これは画像のベクトル化のための新しい方法であり、画像を計算された深度順序でスケーラブルな形状の層に分解する。
このアプローチは、形状や画像の編集をより自然で直感的にする。
セマンティックベクター化のための形状層も検討する。
提案手法の有効性を検証するため,近年の層ベースベクトル化法との比較を行った。
関連論文リスト
- DeepIcon: A Hierarchical Network for Layer-wise Icon Vectorization [12.82009632507056]
近年,イメージをベクトル形式に変換する学習ベース手法では,不完全形状,冗長な経路予測,オリジナルコンテンツのセマンティクスの保存における精度の欠如が頻発している。
本稿では,画像入力に基づいて可変長アイコングラフを生成する階層型画像ベクトル化ネットワークDeepIconを提案する。
論文 参考訳（メタデータ） (2024-10-21T08:20:19Z) - A Formalization of Image Vectorization by Region Merging [6.182914423822559]
画像ベクトル化は粗い領域のマージによって構築可能であることを示す。
我々は、任意の領域分割から誘導される双対グラフと原始グラフの交互操作により、この手法を定式化する。
また、全てのベクトル化法で暗黙的に曲線の滑らか化は、形状保存アフィンスケール空間によって実現できることを示す。
論文 参考訳（メタデータ） (2024-09-24T10:04:44Z) - Segmentation-guided Layer-wise Image Vectorization with Gradient Fills [6.037332707968933]
そこで本稿では,画像を勾配を埋め込んだ簡潔なベクトルグラフに変換するためのセグメンテーション誘導ベクトル化フレームワークを提案する。
組込み勾配認識セグメンテーションの指導により, 段階的に勾配を埋め込んだB'ezierパスを出力に付加する。
論文 参考訳（メタデータ） (2024-08-28T12:08:25Z) - Bridging 3D Gaussian and Mesh for Freeview Video Rendering [57.21847030980905]
GauMeshはダイナミックシーンのモデリングとレンダリングのために3D GaussianとMeshをブリッジする。
提案手法は, 動的シーンの異なる部分を表現するために, プリミティブの適切なタイプに適応することを示す。
論文 参考訳（メタデータ） (2024-03-18T04:01:26Z) - Text-Guided Vector Graphics Customization [31.41266632288932]
テキストのプロンプトに基づいて高品質なベクトルグラフィックスを生成する新しいパイプラインを提案する。
提案手法は,大規模な事前学習されたテキスト・ツー・イメージ・モデルの能力を利用する。
我々は,ベクトルレベル,画像レベル,テキストレベルの観点から,複数の指標を用いて評価を行った。
論文 参考訳（メタデータ） (2023-09-21T17:59:01Z) - Towards Layer-wise Image Vectorization [57.26058135389497]
画像をSVGに変換し,画像トポロジを同時に維持するためのレイヤワイズ画像ベクトル化(LIVE)を提案する。
Liveは、人間の視点にセマンティックに整合した階層構造を持つコンパクトなフォームを生成する。
Liveは、デザイナの両方のために編集可能なSVGを起動し、他のアプリケーションで使用することができる。
論文 参考訳（メタデータ） (2022-06-09T17:55:02Z) - VoGE: A Differentiable Volume Renderer using Gaussian Ellipsoids for
Analysis-by-Synthesis [62.47221232706105]
本稿では,ガウス再構成カーネルをボリュームプリミティブとして利用するVoGEを提案する。
本稿では,VoGEを用いて効率よくレンダリングを行うために,体積密度集約と粗大な描画戦略に関する近似クローズフォーム解を提案する。
VoGEは、オブジェクトポーズ推定、形状/テクスチャフィッティング、推論など、様々な視覚タスクに適用された場合、SoTAより優れている。
論文 参考訳（メタデータ） (2022-05-30T19:52:11Z) - Deep Rectangling for Image Stitching: A Learning Baseline [57.76737888499145]
我々は不規則な境界やシーンに大きな多様性を持つ最初の画像縫合整形データセットを構築した。
実験では、従来の方法よりも定量的にも質的にも優位性を示す。
論文 参考訳（メタデータ） (2022-03-08T03:34:10Z) - Learning to Caricature via Semantic Shape Transform [95.25116681761142]
本稿では,意味的形状変換に基づくアルゴリズムを提案する。
提案手法は,顔の構造を維持しつつ,視覚的に心地よい形状の誇張を表現できることを示す。
論文 参考訳（メタデータ） (2020-08-12T03:41:49Z) - Accelerating Smooth Games by Manipulating Spectral Shapes [51.366219027745174]
滑らかなゲームにおけるアクセラレーションを特徴付けるために行列反復理論を用いる。
スペクトル形状の変換として, 勾配法, 指数勾配法について述べる。
バイリニアゲームに最適なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-01-02T19:21:48Z)
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。