論文の概要: Neural Image Abstraction Using Long Smoothing B-Splines
- arxiv url: http://arxiv.org/abs/2511.05360v1
- Date: Fri, 07 Nov 2025 15:50:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-10 21:00:44.8219
- Title: Neural Image Abstraction Using Long Smoothing B-Splines
- Title（参考訳）: 長い平滑なB-スプラインを用いたニューラルイメージの抽象化
- Authors: Daniel Berio, Michael Stroh, Sylvain Calinon, Frederic Fol Leymarie, Oliver Deussen, Ariel Shamir,
- Abstract要約: 画像に基づくディープラーニングシステムにおいて、スムーズかつ任意に長い経路を生成する方法を示す。
我々は、微分に基づく平滑化コストを利用して、忠実度と単純さのトレードオフのパラメトリック制御を行う。
- 参考スコア（独自算出の注目度）: 33.22485341851476
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We integrate smoothing B-splines into a standard differentiable vector graphics (DiffVG) pipeline through linear mapping, and show how this can be used to generate smooth and arbitrarily long paths within image-based deep learning systems. We take advantage of derivative-based smoothing costs for parametric control of fidelity vs. simplicity tradeoffs, while also enabling stylization control in geometric and image spaces. The proposed pipeline is compatible with recent vector graphics generation and vectorization methods. We demonstrate the versatility of our approach with four applications aimed at the generation of stylized vector graphics: stylized space-filling path generation, stroke-based image abstraction, closed-area image abstraction, and stylized text generation.
- Abstract（参考訳）: 線形マッピングにより,B-スプラインのスムーズ化を標準微分ベクトルグラフィックス(DiffVG)パイプラインに統合し,画像ベースディープラーニングシステム内のスムーズかつ任意に長い経路を生成する方法を示す。
我々は, 形状空間と画像空間のスタイリゼーション制御を実現するとともに, 忠実度と簡易性トレードオフのパラメトリック制御のための微分ベース平滑化コストを利用する。
提案したパイプラインは、最近のベクトルグラフィックス生成およびベクトル化手法と互換性がある。
我々は,スタイラス化された空間充填パス生成,ストロークベース画像抽象化,クローズド領域画像抽象化,スタイラス化されたテキスト生成という,スタイラス化されたベクトルグラフィックスの生成を目的とした4つのアプリケーションを用いて,我々のアプローチの汎用性を実証した。
関連論文リスト
- SwiftSketch: A Diffusion Model for Image-to-Vector Sketch Generation [57.47730473674261]
我々は,画像条件付きベクトルスケッチ生成モデルであるSwiftSketchを紹介した。
SwiftSketchは、ガウス分布からサンプリングされたストローク制御ポイントを段階的に復調することによって動作する。
ControlSketchは、深度認識制御ネットを通じて正確な空間制御を組み込むことで、SDSベースの技術を強化する方法である。
論文 参考訳（メタデータ） (2025-02-12T18:57:12Z) - LinPrim: Linear Primitives for Differentiable Volumetric Rendering [51.56484100374058]
線形プリミティブに基づく2つの新しいシーン表現を導入する。
我々はGPU上で効率的に動作する異なるオクタライザを提案する。
我々は最先端の手法に匹敵する性能を示す。
論文 参考訳（メタデータ） (2025-01-27T18:49:38Z) - Segmentation-guided Layer-wise Image Vectorization with Gradient Fills [6.037332707968933]
そこで本稿では,画像を勾配を埋め込んだ簡潔なベクトルグラフに変換するためのセグメンテーション誘導ベクトル化フレームワークを提案する。
組込み勾配認識セグメンテーションの指導により, 段階的に勾配を埋め込んだB'ezierパスを出力に付加する。
論文 参考訳（メタデータ） (2024-08-28T12:08:25Z) - Text-to-Vector Generation with Neural Path Representation [27.949704002538944]
本稿では,シーケンスと画像の両モードから経路潜在空間を学習するニューラルパス表現を提案する。
第1段階では、事前訓練されたテキスト・ツー・イメージ拡散モデルにより、複雑なベクトルグラフィックスの初期生成が導かれる。
第2段階では、レイヤワイズ画像ベクトル化戦略を用いてグラフィクスを洗練し、より明確な要素と構造を実現する。
論文 参考訳（メタデータ） (2024-05-16T17:59:22Z) - StrokeNUWA: Tokenizing Strokes for Vector Graphic Synthesis [112.25071764647683]
StrokeNUWAはベクターグラフィックスにおけるより良い視覚表現'ストロークトークン'を探求する先駆的な研究である。
ストロークトークンを備えたStrokeNUWAは、従来のLCMベースの最適化ベースのメソッドを大幅に上回ることができる。
StrokeNUWAは、SVGコード圧縮比が6.9%の従来の手法よりも94倍のスピードアップを達成している。
論文 参考訳（メタデータ） (2024-01-30T15:20:26Z) - Sketch Video Synthesis [52.134906766625164]
フレームワイドB'ezier曲線で表現されたビデオのスケッチを行うための新しいフレームワークを提案する。
本手法は、スケッチベースのビデオ編集やビデオ合成によるビデオ再生における応用を解放する。
論文 参考訳（メタデータ） (2023-11-26T14:14:04Z) - Flow-Guided Controllable Line Drawing Generation [6.200483285433661]
本稿では,ベクトルフロー場を学習的手法で効率的に,かつ堅牢に作成するためのイメージ・トゥ・フロー・ネットワーク(I2FNet)を提案する。
次に、よく設計されたDouble Flow Generator (DFG)フレームワークを導入し、学習したベクトルフローと入力イメージフローから特徴を融合する。
制御可能な文字線描画生成を実現するため,線形制御行列をDFGに統合し,線形制御回帰器を訓練する。
論文 参考訳（メタデータ） (2023-07-14T14:09:09Z) - ARF: Artistic Radiance Fields [63.79314417413371]
本稿では,任意のスタイル画像の芸術的特徴を3Dシーンに転送する方法を提案する。
点雲やメッシュ上で3次元スタイリングを行う従来の手法は、幾何的再構成誤差に敏感である。
より頑健なラディアンス場表現の体系化を提案する。
論文 参考訳（メタデータ） (2022-06-13T17:55:31Z)
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。