論文の概要: Revealing the Ancient Beauty: Digital Reconstruction of Temple Tiles using Computer Vision

• arxiv url: http://arxiv.org/abs/2507.12195v1
• Date: Wed, 16 Jul 2025 12:46:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-17 19:00:11.389078
• Title: Revealing the Ancient Beauty: Digital Reconstruction of Temple Tiles using Computer Vision
• Title（参考訳）: 古代の美を語る:コンピュータビジョンによる神殿タイルのデジタル再構築
• Authors: Arkaprabha Basu,
• Abstract要約: 機械学習、ディープラーニング、コンピュータビジョン技術は、3D再構成のような発展途上国に革命をもたらした。 インドの記念碑の特質を評価するために,3つの最先端技術を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern digitised approaches have dramatically changed the preservation and restoration of cultural treasures, integrating computer scientists into multidisciplinary projects with ease. Machine learning, deep learning, and computer vision techniques have revolutionised developing sectors like 3D reconstruction, picture inpainting,IoT-based methods, genetic algorithms, and image processing with the integration of computer scientists into multidisciplinary initiatives. We suggest three cutting-edge techniques in recognition of the special qualities of Indian monuments, which are famous for their architectural skill and aesthetic appeal. First is the Fractal Convolution methodology, a segmentation method based on image processing that successfully reveals subtle architectural patterns within these irreplaceable cultural buildings. The second is a revolutionary Self-Sensitive Tile Filling (SSTF) method created especially for West Bengal's mesmerising Bankura Terracotta Temples with a brand-new data augmentation method called MosaicSlice on the third. Furthermore, we delve deeper into the Super Resolution strategy to upscale the images without losing significant amount of quality. Our methods allow for the development of seamless region-filling and highly detailed tiles while maintaining authenticity using a novel data augmentation strategy within affordable costs introducing automation. By providing effective solutions that preserve the delicate balance between tradition and innovation, this study improves the subject and eventually ensures unrivalled efficiency and aesthetic excellence in cultural heritage protection. The suggested approaches advance the field into an era of unmatched efficiency and aesthetic quality while carefully upholding the delicate equilibrium between tradition and innovation.
• Abstract（参考訳）: 現代のデジタル化のアプローチは、コンピュータ科学者を複数の学際的なプロジェクトに簡単に統合することで、文化財の保存と復元を劇的に変えた。 機械学習、ディープラーニング、コンピュータビジョン技術は、3D再構成、絵の描き方、IoTベースの方法、遺伝的アルゴリズム、そしてコンピュータ科学者を多分野のイニシアチブに統合した画像処理など、発展途上国に革命をもたらした。 建築技術と美的魅力で有名なインドの記念碑の特質を称える3つの最先端技術を提案する。 第一にフラクタル・コンボリューション法(Fractal Convolution method)は、画像処理をベースとしたセグメンテーション法であり、これらの非配置の文化的建造物の微妙な建築様式を明らかにする。 第2の方法は,特に西ベンガルの Bankura Terracotta 寺院をテーマとした,新たなデータ拡張手法である MosaicSlice で開発された,革命的な自己感性タイルフィリング (SSTF) 手法である。 さらに,画質の低下を伴わずに画像のスケールアップを図るために,スーパーレゾリューション戦略を深く掘り下げる。 本手法は,新しいデータ拡張戦略による信頼性を維持しつつ,シームレスな領域充填と高精細タイルの開発を可能にする。 伝統とイノベーションの微妙なバランスを保つ効果的なソリューションを提供することにより、この研究は課題を改善し、最終的には文化的遺産保護の未熟な効率と美的卓越性を保証する。 提案されたアプローチは、伝統と革新の微妙な均衡を注意深く保ちながら、未整合効率と美的品質の時代へと分野を前進させる。

関連論文リスト

• BLIP3-o: A Family of Fully Open Unified Multimodal Models-Architecture, Training and Dataset [140.1967962502411]
  本稿では,拡散変換器を用いて意味的にリッチなCLIP画像特徴を生成する手法を提案する。 画像理解のための統合モデルファーストトレーニングと画像生成のための逐次事前学習戦略は、実用的な利点をもたらす。 革新的なモデル設計、トレーニングレシピ、データセットに基づいて、最先端の統一マルチモーダルモデルのスイートであるBLIP3-oを開発します。
  論文  参考訳（メタデータ） (2025-05-14T17:11:07Z)
• DIPLI: Deep Image Prior Lucky Imaging for Blind Astronomical Image Restoration [2.7523980737007414]
  アストロフォトグラフィーは、訓練データに制限があるため、ディープラーニングに固有の課題を提示する。 この研究は、ブラインドトレーニングを促進するが過度に適合する可能性のあるDeep Image Prior(DIP)モデルのようなハイブリッド戦略を探求する。 本稿では,DIPモデルのベースライン性能を改良する手法を提案する。
  論文  参考訳（メタデータ） (2025-03-20T09:33:16Z)
• A Generative Approach to High Fidelity 3D Reconstruction from Text Data [0.0]
  本研究では,テキスト・画像生成をシームレスに統合する完全自動パイプライン,様々な画像処理技術,反射除去と3次元再構成のためのディープラーニング手法を提案する。 安定拡散のような最先端の生成モデルを活用することで、この手法は自然言語の入力を多段階のワークフローを通じて詳細な3Dモデルに変換する。 このアプローチは、意味的コヒーレンスを維持すること、幾何学的複雑さを管理すること、詳細な視覚情報を保存することなど、生成的再構築における重要な課題に対処する。
  論文  参考訳（メタデータ） (2025-03-05T16:54:15Z)
• A 3D Facial Reconstruction Evaluation Methodology: Comparing Smartphone Scans with Deep Learning Based Methods Using Geometry and Morphometry Criteria [60.865754842465684]
  3次元顔形状解析は臨床応用の可能性から注目されている。 高度な3D顔認証システムの高コスト化は、その普及を制限し、低コストな取得と再構築方法の開発を推進している。 本研究では,形態素形状解析技術を統合することで,従来の幾何学的ベンチマークを超える新しい評価手法を提案する。
  論文  参考訳（メタデータ） (2025-02-13T15:47:45Z)
• Directing Mamba to Complex Textures: An Efficient Texture-Aware State Space Model for Image Restoration [75.51789992466183]
  TAMAMbaIRは画像テクスチャの達成と性能と効率のトレードオフを同時に知覚する。 画像超解像, デラリニング, 低照度画像強調のためのベンチマーク実験により, TAMAMbaIRは高い効率で最先端の性能を達成できることを示した。
  論文  参考訳（メタデータ） (2025-01-27T23:53:49Z)
• From Noise to Nuance: Advances in Deep Generative Image Models [8.802499769896192]
  ディープラーニングに基づく画像生成は、2021年以来パラダイムシフトを続けてきた。 安定拡散, DALL-E, 一貫性モデルの最近の進歩は, 画像合成の能力と性能の境界を再定義している。 マルチモーダル理解とゼロショット生成能力の強化が,産業全体にわたる実践的応用をいかに変えつつあるかを検討する。
  論文  参考訳（メタデータ） (2024-12-12T02:09:04Z)
• Advancing Urban Renewal: An Automated Approach to Generating Historical Arcade Facades with Stable Diffusion Models [1.645684081891833]
  本研究では,歴史的アーケードのファサード画像の自動生成手法を提案する。 様々なアーケードスタイルを分類・タグ付けすることで、現実的なアーケードファサード画像データセットを構築した。 提案手法は, 生成画像の高精度, 信頼性, 多様性を示すものである。
  論文  参考訳（メタデータ） (2023-11-20T08:03:12Z)
• Transforming Pixels into a Masterpiece: AI-Powered Art Restoration using a Novel Distributed Denoising CNN (DDCNN) [0.0]
  本稿では,ディープラーニング,特に畳み込みニューラルネットワーク(CNN)とコンピュータビジョン技術を用いた革新的なアプローチを提案する。 このデータセットは、複雑な詳細を保持しながら歪みを取り除くためにDistributed Denoising CNN(DDCNN)をトレーニングする。 本手法は様々な歪みの種類やレベルに適応し, 様々な劣化したアートワークに適している。
  論文  参考訳（メタデータ） (2023-10-08T19:59:42Z)
• 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)
• Neural 3D Reconstruction in the Wild [86.6264706256377]
  そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。 そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
  論文  参考訳（メタデータ） (2022-05-25T17:59:53Z)
• NAS-DIP: Learning Deep Image Prior with Neural Architecture Search [65.79109790446257]
  近年の研究では、深部畳み込みニューラルネットワークの構造が、以前に構造化された画像として利用できることが示されている。 我々は,より強い画像の先行を捉えるニューラルネットワークの探索を提案する。 既存のニューラルネットワーク探索アルゴリズムを利用して,改良されたネットワークを探索する。
  論文  参考訳（メタデータ） (2020-08-26T17:59:36Z)

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。