Fugu-MT 論文翻訳(概要): AttnMod: Attention-Based New Art Styles

論文の概要: AttnMod: Attention-Based New Art Styles

arxiv url: http://arxiv.org/abs/2409.10028v1
Date: Mon, 16 Sep 2024 06:38:25 GMT
ステータス: 処理完了
システム内更新日: 2024-09-17 16:30:58.872196
Title: AttnMod: Attention-Based New Art Styles
Title（参考訳）: AttnMod: 注意に基づく新しいアートスタイル
Authors: Shih-Chieh Su,
Abstract要約: この研究は、既存の拡散モデルから新しいプロンプタブルなアートスタイルを作成するために注意を向けるAttnModを提示する。スタイル作成の振る舞いは、異なる設定で研究される。
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: Imagine a human artist looking at the generated photo of a diffusion model, and hoping to create a painting out of it. There could be some feature of the object in the photo that the artist wants to emphasize, some color to disperse, some silhouette to twist, or some part of the scene to be materialized. These intentions can be viewed as the modification of the cross attention from the text prompt onto UNet, during the desoising diffusion. This work presents AttnMod, to modify attention for creating new unpromptable art styles out of existing diffusion models. The style-creating behavior is studied across different setups.
Abstract（参考訳）: 拡散モデルの生成された写真を見て、そこから絵を作りたいという人間のアーティストを想像してみてほしい。写真には、アーティストが強調したいいくつかの特徴、散らばる色、ねじるシルエット、あるいはシーンの一部が具体化されているかもしれない。これらの意図は、解凍拡散中のUNetへのテキストプロンプトからのクロスアテンションの修正と見なすことができる。この研究は、既存の拡散モデルから新しいプロンプタブルなアートスタイルを作成するために注意を向けるAttnModを提示する。スタイル作成の振る舞いは、異なる設定で研究される。

関連論文リスト

Towards Highly Realistic Artistic Style Transfer via Stable Diffusion with Step-aware and Layer-aware Prompt [12.27693060663517]
芸術的スタイルの転送は、学習した芸術的スタイルを任意のコンテンツイメージに転送することを目的としており、芸術的なスタイル化されたイメージを生成する。 LSASTと呼ばれる,事前学習型拡散型アートスタイルトランスファー手法を提案する。提案手法は,最先端の芸術的スタイル伝達法よりも,よりリアルな芸術的スタイル化画像を生成することができる。
論文参考訳（メタデータ） (2024-04-17T15:28:53Z)
Rethinking Artistic Copyright Infringements in the Era of Text-to-Image Generative Models [47.19481598385283]
ArtSavantは、ウィキアートの作品の参照データセットと比較することで、アーティストのユニークなスタイルを決定するツールである。そこで我々は,3つの人気テキスト・画像生成モデルにまたがる芸術的スタイルの複製の頻度を定量的に把握するために,大規模な実証的研究を行った。
論文参考訳（メタデータ） (2024-04-11T17:59:43Z)
DemoCaricature: Democratising Caricature Generation with a Rough Sketch [80.90808879991182]
我々は、個々人が写真と概念スケッチだけで個人化された似顔絵を作れるように、似顔絵生成を民主化します。私たちの目標は、スケッチに固有の創造性と主観性を保ちながら、抽象化とアイデンティティの微妙なバランスを取ることです。
論文参考訳（メタデータ） (2023-12-07T15:35:42Z)
Reference-based Painterly Inpainting via Diffusion: Crossing the Wild Reference Domain Gap [80.19252970827552]
RefPaintは、野生の参照ドメインギャップを横断して、新しいオブジェクトをアートワークに埋め込む新しいタスクである。提案手法は,他の方法では達成し難い参照オブジェクトで絵を描くことができる。
論文参考訳（メタデータ） (2023-07-20T04:51:10Z)
ProSpect: Prompt Spectrum for Attribute-Aware Personalization of Diffusion Models [77.03361270726944]
現在のパーソナライズ手法は、オブジェクトや概念をテキスト条件空間に反転させ、テキストから画像への拡散モデルのための新しい自然文を構成することができる。本稿では,低周波情報から高周波画像を生成する拡散モデルのステップバイステップ生成プロセスを活用する新しい手法を提案する。 ProSpectは、画像誘導やテキスト駆動による材料、スタイル、レイアウトの操作など、パーソナライズされた属性認識画像生成アプリケーションに適用する。
論文参考訳（メタデータ） (2023-05-25T16:32:01Z)
Inventing art styles with no artistic training data [0.65268245109828]
本研究では,自然画像のみに基づいて学習したモデルを用いて,絵画スタイルを作成する2つの手法を提案する。第1の手順では、創造的な表現を達成するために、芸術媒体からの帰納バイアスを用いる。第2の手順では、新たなスタイルを作るためのインスピレーションとして、追加の自然なイメージを使用する。
論文参考訳（メタデータ） (2023-05-19T21:59:23Z)
One-Shot Stylization for Full-Body Human Images [18.706604251200144]
人間のスタイリゼーションの目的は、フルボディの人間の写真を単一のアートキャラクタ参照画像で指定されたスタイルに転送することである。この研究は、フルボディの人間のイメージをスタイリングする、いくつかのユニークな課題に対処する。
論文参考訳（メタデータ） (2023-04-14T03:57:36Z)
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)
Creative Painting with Latent Diffusion Models [1.4649095013539173]
遅延拡散モデル (LDMs) は, 安定かつ高出生率の画像生成を実現している。ウィキアート・データセットを用いたテキスト・コンディション・エクステンションとモデル・リトレーニングの2つの方向における現行のLCDの創造的絵画能力の向上に焦点をあてる。
論文参考訳（メタデータ） (2022-09-29T11:49:07Z)
Interactive Style Transfer: All is Your Palette [74.06681967115594]
本稿では,ユーザが対話的に調和したスタイルのイメージを作成できる,図形的な対話型スタイル転送(IST)手法を提案する。私たちのISTメソッドは、どこからでもブラシやディップスタイルとして機能し、ターゲットのコンテンツイメージの任意の領域にペイントします。
論文参考訳（メタデータ） (2022-03-25T06:38:46Z)

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。