論文の概要: Computational Scaffolding of Composition, Value, and Color for Disciplined Drawing
- arxiv url: http://arxiv.org/abs/2509.17268v1
- Date: Sun, 21 Sep 2025 22:59:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-23 18:58:16.191598
- Title: Computational Scaffolding of Composition, Value, and Color for Disciplined Drawing
- Title（参考訳）: ディシプリンドドローイングのための構成, 価値, 色彩の計算スファルディング
- Authors: Jiaju Ma, Chau Vu, Asya Lyubavina, Catherine Liu, Jingyi Li,
- Abstract要約: ArtKritは、参照イメージを3つの主要なステップに複製するプロセスを足場化するツールだ。
各ステップで、適応的な合成ライン生成などの計算ガイダンスを提供する。
私たちのコードと補足資料はhttps://majiaju.io/artkrit.comで公開されています。
- 参考スコア（独自算出の注目度）: 14.006773412220939
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: One way illustrators engage in disciplined drawing - the process of drawing to improve technical skills - is through studying and replicating reference images. However, for many novice and intermediate digital artists, knowing how to approach studying a reference image can be challenging. It can also be difficult to receive immediate feedback on their works-in-progress. To help these users develop their professional vision, we propose ArtKrit, a tool that scaffolds the process of replicating a reference image into three main steps: composition, value, and color. At each step, our tool offers computational guidance, such as adaptive composition line generation, and automatic feedback, such as value and color accuracy. Evaluating this tool with intermediate digital artists revealed that ArtKrit could flexibly accommodate their unique workflows. Our code and supplemental materials are available at https://majiaju.io/artkrit .
- Abstract（参考訳）: イラストレーターが規律ある描画 – 技術スキルを改善するための描画プロセス – に従事する方法のひとつに,参照イメージの研究と複製がある。
しかし、多くの初心者や中間的なデジタルアーティストにとって、参照画像の研究方法を知ることは困難である。
また、進行中の作業に対してすぐにフィードバックを受け取ることも困難です。
これらのユーザがプロのビジョンを開発するのを助けるために、コンポジション、値、色という3つの主要なステップに参照画像を複製するプロセスを足場として、ArtKritを提案する。
各ステップにおいて、適応合成ライン生成などの計算指導や、値や色精度などの自動フィードバックを提供する。
このツールを中間のデジタルアーティストと評価した結果、ArtKritは独自のワークフローを柔軟に適合させることができることがわかった。
私たちのコードと補足資料はhttps://majiaju.io/artkrit.orgで公開されています。
関連論文リスト
- Sketch & Paint: Stroke-by-Stroke Evolution of Visual Artworks [3.5297361401370044]
本稿では,近接クラスタリング機構を用いて,アートストロークの進化を近似する新しい手法を提案する。
提案アルゴリズムは未知のアートワークにおけるストロークシーケンスを推論する可能性を実証する。
本研究の目的は,視覚芸術の技法の複雑化と,視覚芸術の背景にあるステップバイステップの再構築プロセスの理解を深めることである。
論文 参考訳（メタデータ） (2025-02-27T14:11:58Z) - Learning to Synthesize Graphics Programs for Geometric Artworks [12.82009632507056]
本稿では,一連の描画ツールを実行可能なプログラムとして扱うアプローチを提案する。
この方法は最終画像を得るための一連のステップを予測する。
プログラムシンセサイザーArt2Progは複雑な入力画像を包括的に理解できることを示す。
論文 参考訳（メタデータ） (2024-10-21T08:28:11Z) - 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) - CustomSketching: Sketch Concept Extraction for Sketch-based Image
Synthesis and Editing [21.12815542848095]
大規模なテキスト・ツー・イメージ(T2I)モデルのパーソナライズ技術により、ユーザーは参照画像から新しい概念を組み込むことができる。
既存の手法は主にテキスト記述に依存しており、カスタマイズされた画像の制御が制限されている。
スケッチを直感的で汎用的な表現として識別し,このような制御を容易にする。
論文 参考訳（メタデータ） (2024-02-27T15:52:59Z) - Learning to Evaluate the Artness of AI-generated Images [64.48229009396186]
アートスコア(ArtScore)は、アーティストによる本物のアートワークと画像がどの程度似ているかを評価するために設計されたメトリクスである。
我々は、写真とアートワークの生成のために事前訓練されたモデルを採用し、一連の混合モデルを生み出した。
このデータセットはニューラルネットワークのトレーニングに使用され、任意の画像の定量化精度レベルを推定する方法を学ぶ。
論文 参考訳（メタデータ） (2023-05-08T17:58:27Z) - ICC++: Explainable Image Retrieval for Art Historical Corpora using
Image Composition Canvas [19.80532568090711]
我々は,画像合成Canvas (ICC++) と呼ばれる新しい手法を提案し,類似の合成要素を持つ画像の比較と検索を行う。
ICC++は、Max Imdahl氏の仕事によって動機付けられた低レベルの機能(構成要素)を生成することに特化したICCよりも改善されている。
論文 参考訳（メタデータ） (2022-06-22T14:06:29Z) - I Know What You Draw: Learning Grasp Detection Conditioned on a Few
Freehand Sketches [74.63313641583602]
そこで本研究では,スケッチ画像に関連のある潜在的な把握構成を生成する手法を提案する。
私たちのモデルは、現実世界のアプリケーションで簡単に実装できるエンドツーエンドで訓練され、テストされています。
論文 参考訳（メタデータ） (2022-05-09T04:23:36Z) - Understanding Compositional Structures in Art Historical Images using
Pose and Gaze Priors [20.98603643788824]
画像合成は、アーティストとそのアートワークを研究するために、画像内の相互作用を分析するのに有用である。
本研究では,既存の機械学習技術を用いて,このプロセスの自動化を試みる。
本手法は, (a) 絵画のアクション領域とアクションラインの検出, (b) 前景と背景のポーズに基づくセグメンテーションの2つの中心的なテーマに焦点を当てる。
論文 参考訳（メタデータ） (2020-09-08T15:01:56Z) - SketchyCOCO: Image Generation from Freehand Scene Sketches [71.85577739612579]
本稿では,シーンレベルのフリーハンドスケッチから画像の自動生成手法を提案する。
主要なコントリビューションは、EdgeGANと呼ばれる属性ベクトルをブリッジしたGeneversarative Adrial Networkである。
我々はSketchyCOCOと呼ばれる大規模複合データセットを構築し、ソリューションをサポートし評価した。
論文 参考訳（メタデータ） (2020-03-05T14:54:10Z) - Deep Plastic Surgery: Robust and Controllable Image Editing with
Human-Drawn Sketches [133.01690754567252]
スケッチベースの画像編集は、人間の描いたスケッチによって提供される構造情報に基づいて、写真を合成し、修正することを目的としている。
Deep Plastic Surgeryは、手書きのスケッチ入力を使って画像のインタラクティブな編集を可能にする、新しくて堅牢で制御可能な画像編集フレームワークである。
論文 参考訳（メタデータ） (2020-01-09T08:57:50Z)
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。