論文の概要: Paint Bucket Colorization Using Anime Character Color Design Sheets

• arxiv url: http://arxiv.org/abs/2410.19424v1
• Date: Fri, 25 Oct 2024 09:33:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-28 13:36:34.796808
• Title: Paint Bucket Colorization Using Anime Character Color Design Sheets
• Title（参考訳）: アニメキャラクターカラーデザインシートを用いたペイントバックトカラー化
• Authors: Yuekun Dai, Qinyue Li, Shangchen Zhou, Yihang Luo, Chongyi Li, Chen Change Loy,
• Abstract要約: ネットワークがセグメント間の関係を理解することができる包摂的マッチングを導入する。 ネットワークのトレーニングパイプラインは、カラー化と連続フレームカラー化の両方のパフォーマンスを著しく向上させる。 ネットワークのトレーニングをサポートするために、PaintBucket-Characterというユニークなデータセットを開発しました。
• 参考スコア（独自算出の注目度）: 72.66788521378864
• License:
• Abstract: Line art colorization plays a crucial role in hand-drawn animation production, where digital artists manually colorize segments using a paint bucket tool, guided by RGB values from character color design sheets. This process, often called paint bucket colorization, involves two main tasks: keyframe colorization, where colors are applied according to the character's color design sheet, and consecutive frame colorization, where these colors are replicated across adjacent frames. Current automated colorization methods primarily focus on reference-based and segment-matching approaches. However, reference-based methods often fail to accurately assign specific colors to each region, while matching-based methods are limited to consecutive frame colorization and struggle with issues like significant deformation and occlusion. In this work, we introduce inclusion matching, which allows the network to understand the inclusion relationships between segments, rather than relying solely on direct visual correspondences. By integrating this approach with segment parsing and color warping modules, our inclusion matching pipeline significantly improves performance in both keyframe colorization and consecutive frame colorization. To support our network's training, we have developed a unique dataset named PaintBucket-Character, which includes rendered line arts alongside their colorized versions and shading annotations for various 3D characters. To replicate industry animation data formats, we also created color design sheets for each character, with semantic information for each color and standard pose reference images. Experiments highlight the superiority of our method, demonstrating accurate and consistent colorization across both our proposed benchmarks and hand-drawn animations.
• Abstract（参考訳）: ラインアートのカラー化は手描きのアニメーション制作において重要な役割を担っている。デジタルアーティストはペイントバケツツールを使用して、文字カラーデザインシートからRGB値でガイドされたセグメントを手作業で着色する。 このプロセスは、しばしばペイントバケツのカラー化と呼ばれ、キーフレームのカラー化、文字の色設計シートに従って色が適用される、連続フレームのカラー化、これらの色が隣接するフレーム間で複製される、という2つの主要なタスクを含む。 現在の自動着色法は主に参照ベースおよびセグメントマッチングアプローチに焦点を当てている。 しかし、参照ベースの手法は各領域に特定の色を正確に割り当てることができず、マッチングベースの手法は連続したフレームのカラー化に限られ、大きな変形や閉塞といった問題に悩まされる。 本研究では,セグメント間の包含関係を,直接的な視覚的対応にのみ依存するのではなく,ネットワークが理解できるようにする包含マッチングを提案する。 本手法をセグメント解析とカラーワープモジュールと統合することにより,キーフレームのカラー化と連続フレームのカラー化の両面で性能が大幅に向上する。 ネットワークのトレーニングをサポートするためにPaintBucket-Characterという独自のデータセットを開発しました。 業界アニメーションデータフォーマットを再現するために、各文字ごとに色デザインシートを作成し、各色と標準ポーズ参照画像のセマンティック情報を得た。 実験では,提案したベンチマークと手描きアニメーションの両方において,正確で一貫した色付けを実証し,提案手法の優位性を強調した。

関連論文リスト

• MultiColor: Image Colorization by Learning from Multiple Color Spaces [4.738828630428634]
  MultiColorは、グレースケールイメージを自動的にカラー化する学習ベースの新しいアプローチである。 我々は、個々の色空間に専用の着色モジュール群を用いる。 これらの予測色チャネルは様々な色空間を表すため、相補的なネットワークは相補性を生かし、優雅で合理的な色付き画像を生成するように設計されている。
  論文  参考訳（メタデータ） (2024-08-08T02:34:41Z)
• Automatic Controllable Colorization via Imagination [55.489416987587305]
  本稿では,反復的な編集と修正が可能な自動色付けフレームワークを提案する。 グレースケール画像内のコンテンツを理解することにより、トレーニング済みの画像生成モデルを用いて、同じコンテンツを含む複数の画像を生成する。 これらの画像は、人間の専門家の過程を模倣して、色付けの参考となる。
  論文  参考訳（メタデータ） (2024-04-08T16:46:07Z)
• Learning Inclusion Matching for Animation Paint Bucket Colorization [76.4507878427755]
  ネットワークにセグメント間の包摂関係を理解するための,学習に基づく新たな包摂的マッチングパイプラインを導入する。 提案手法では,粗いカラーワープモジュールと包括的マッチングモジュールを統合した2段階のパイプラインを特徴とする。 ネットワークのトレーニングを容易にするため,PaintBucket-Characterと呼ばれるユニークなデータセットも開発した。
  論文  参考訳（メタデータ） (2024-03-27T08:32:48Z)
• Control Color: Multimodal Diffusion-based Interactive Image Colorization [81.68817300796644]
  Control Color (Ctrl Color) は、事前訓練された安定拡散(SD)モデルを利用する多モードカラー化手法である。 ユーザのストロークをエンコードして、局所的な色操作を正確に行うための効果的な方法を提案する。 また、カラーオーバーフローと不正確な色付けの長年の問題に対処するために、自己注意に基づく新しいモジュールとコンテンツ誘導型変形可能なオートエンコーダを導入する。
  論文  参考訳（メタデータ） (2024-02-16T17:51:13Z)
• MMC: Multi-Modal Colorization of Images using Textual Descriptions [22.666387184216678]
  本稿では、2つの入力(グレースケール画像と各エンコードされたテキスト記述)を受信し、関連する色成分を予測しようとするディープネットワークを提案する。 また、画像中の各オブジェクトを予測し、個々の記述で色付けし、それらの属性を色付けプロセスに組み込む。 提案手法は,LPIPS,PSNR,SSIMの指標を用いて,既存のカラー化手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-04-24T10:53:13Z)
• BiSTNet: Semantic Image Prior Guided Bidirectional Temporal Feature Fusion for Deep Exemplar-based Video Colorization [70.14893481468525]
  本稿では,参照例の色を探索し,映像のカラー化を支援するために有効なBiSTNetを提案する。 まず、各フレームと参照例間の深い特徴空間における意味的対応を確立し、参照例からの色情報を探究する。 我々は,フレームのオブジェクト境界をモデル化するための意味情報を抽出する混合専門家ブロックを開発した。
  論文  参考訳（メタデータ） (2022-12-05T13:47:15Z)
• Line Art Correlation Matching Feature Transfer Network for Automatic Animation Colorization [0.0]
  色付き参照特徴を学習可能な方法で整列させるための相関マッチング特徴伝達モデル(CMFT)を提案する。 これにより、ジェネレータはディープセマンティックコードから徐々にコンテンツにレイヤーワイドの同期機能を転送できる。
  論文  参考訳（メタデータ） (2020-04-14T06:50:08Z)
• Deep Line Art Video Colorization with a Few References [49.7139016311314]
  そこで本稿では,対象の参照画像と同一のカラースタイルでラインアートビデオを自動的に色付けする深層アーキテクチャを提案する。 本フレームワークはカラートランスフォーメーションネットワークと時間制約ネットワークから構成される。 本モデルでは,少量のサンプルでパラメータを微調整することで,より優れたカラー化を実現することができる。
  論文  参考訳（メタデータ） (2020-03-24T06:57:40Z)

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。