論文の概要: Pro-DG: Procedural Diffusion Guidance for Architectural Facade Generation

• arxiv url: http://arxiv.org/abs/2504.01571v1
• Date: Wed, 02 Apr 2025 10:16:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-03 13:25:37.799945
• Title: Pro-DG: Procedural Diffusion Guidance for Architectural Facade Generation
• Title（参考訳）: プロDG:建築ファサード生成のための手続き的拡散誘導
• Authors: Aleksander Plocharski, Jan Swidzinski, Przemyslaw Musialski,
• Abstract要約: Pro-DGは、手続き的に制御可能なフォトリアリスティックファサード生成のためのフレームワークである。 文法規則を用いてファサードのレイアウトを再構築し、ユーザ定義の変換によってその構造を編集する。
• 参考スコア（独自算出の注目度）: 46.76076836382595
• License:
• Abstract: We present Pro-DG, a framework for procedurally controllable photo-realistic facade generation that combines a procedural shape grammar with diffusion-based image synthesis. Starting from a single input image, we reconstruct its facade layout using grammar rules, then edit that structure through user-defined transformations. As facades are inherently multi-hierarchical structures, we introduce hierarchical matching procedure that aligns facade structures at different levels which is used to introduce control maps to guide a generative diffusion pipeline. This approach retains local appearance fidelity while accommodating large-scale edits such as floor duplication or window rearrangement. We provide a thorough evaluation, comparing Pro-DG against inpainting-based baselines and synthetic ground truths. Our user study and quantitative measurements indicate improved preservation of architectural identity and higher edit accuracy. Our novel method is the first to integrate neuro-symbolically derived shape-grammars for modeling with modern generative model and highlights the broader potential of such approaches for precise and controllable image manipulation.
• Abstract（参考訳）: 本稿では,プロシージャ形状文法と拡散に基づく画像合成を組み合わせた,プロシージャ制御可能なフォトリアリスティックファサード生成フレームワークPro-DGを提案する。 1つの入力画像から始めて、文法規則を用いてファサードレイアウトを再構築し、ユーザ定義の変換によってその構造を編集する。 ファサードは本質的には多階層構造であるため、ファサード構造を異なるレベルに整列させる階層的マッチング手順を導入し、生成的拡散パイプラインを導くために制御マップを導入する。 このアプローチは、床の重複やウィンドウの再配置といった大規模な編集を伴いながら、局所的な外観の忠実さを維持している。 Inpainting-based baselinesとsynthetic ground truthsと比較し、徹底的な評価を行う。 ユーザ調査と定量的測定により,アーキテクチャのアイデンティティの保存性が向上し,編集精度が向上したことが示唆された。 我々の新しい手法は, ニューロシンボリックな形状文法をモデルに組み込むことによって, 最新の生成モデルと統合し, 精度と制御可能な画像操作におけるそのようなアプローチの幅広い可能性を強調するものである。

関連論文リスト

• TPIE: Topology-Preserved Image Editing With Text Instructions [14.399084325078878]
  テキストによるトポロジー保存画像編集(TPIE) TPIEは、新しく生成されたサンプルを与えられた入力テンプレートの変形可能なバリエーションとして扱い、制御可能かつ構造保存可能な編集を可能にする。 TPIEを2次元画像と3次元画像の多種多様なセットで検証し,最新の画像編集手法と比較した。
  論文  参考訳（メタデータ） (2024-11-22T22:08:27Z)
• 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)
• FaçAID: A Transformer Model for Neuro-Symbolic Facade Reconstruction [43.58572466488356]
  本稿では, 階層型ファサード構造をカスタム設計のスプリット文法を用いて手続き的定義に変換するニューロシンボリックトランスフォーマーモデルを提案する。 このデータセットはトランスモデルをトレーニングするために使われ、セグメント化された平坦なファサードを文法の手続き言語に変換する。
  論文  参考訳（メタデータ） (2024-06-03T22:56:40Z)
• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• In-Domain GAN Inversion for Faithful Reconstruction and Editability [132.68255553099834]
  ドメイン誘導型ドメイン正規化とエンコーダで構成されたドメイン内GANインバージョンを提案し、事前学習されたGANモデルのネイティブ潜在空間における反転コードを正規化する。 エンコーダ構造,開始反転点,および逆パラメータ空間の効果を総合的に解析し,再構成品質と編集特性とのトレードオフを観察する。
  論文  参考訳（メタデータ） (2023-09-25T08:42:06Z)
• Text Semantics to Image Generation: A method of building facades design base on Stable Diffusion model [0.0]
  本研究では,マルチネットワーク合成によるファサード画像生成手法を提案する。 LoRAアプローチを用いて,CMP Fa-cadesデータセット上で安定拡散モデルを微調整した。 ControlNetモデルの追加により、ファサードイメージを構築するためのテキスト生成の制御性が向上する。
  論文  参考訳（メタデータ） (2023-02-23T14:03:07Z)
• A Structure-Guided Diffusion Model for Large-Hole Image Completion [85.61681358977266]
  画像中の大きな穴を埋める構造誘導拡散モデルを開発した。 本手法は,最先端の手法と比較して,優れた,あるいは同等の視覚的品質を実現する。
  論文  参考訳（メタデータ） (2022-11-18T18:59:01Z)
• Semantic Palette: Guiding Scene Generation with Class Proportions [34.746963256847145]
  本稿では,シーン生成プロセスの指針として,クラス比率を効果的に許容する,新しいアーキテクチャ設計と学習目標を備えた条件付きフレームワークを提案する。 セマンティックコントロールにより、実際の分布に近いレイアウトを生成でき、シーン生成プロセス全体の拡張に役立つ。 実際のレイアウトとイメージのペアでトレーニングされたセグメンテーションセグメントは、実際のペアでトレーニングされたモデルよりも優れています。
  論文  参考訳（メタデータ） (2021-06-03T07:04:00Z)
• Translational Symmetry-Aware Facade Parsing for 3D Building Reconstruction [11.263458202880038]
  本稿では,深部ニューラルネットワーク改善のための新しい翻訳対称性に基づくアプローチを提案する。 本研究では,単一段ネットワークにおけるアンカーフリー検出を融合させる新しい手法を提案する。 我々はBlenderのような市販のレンダリングエンジンを使用して、手続きモデルを用いて現実的な高品質な3Dモデルを再構築する。
  論文  参考訳（メタデータ） (2021-06-02T03:10:51Z)
• Unsupervised Discovery of Disentangled Manifolds in GANs [74.24771216154105]
  解釈可能な生成プロセスは、様々な画像編集アプリケーションに有用である。 本稿では,任意の学習された生成逆数ネットワークが与えられた潜在空間における解釈可能な方向を検出する枠組みを提案する。
  論文  参考訳（メタデータ） (2020-11-24T02:18:08Z)

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。