論文の概要: Birth of a Painting: Differentiable Brushstroke Reconstruction

• arxiv url: http://arxiv.org/abs/2511.13191v1
• Date: Mon, 17 Nov 2025 09:55:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:25.110745
• Title: Birth of a Painting: Differentiable Brushstroke Reconstruction
• Title（参考訳）: 絵画の誕生 : ブラシストロークの再現性
• Authors: Ying Jiang, Jiayin Lu, Yunuo Chen, Yumeng He, Kui Wu, Yin Yang, Chenfanfu Jiang,
• Abstract要約: 絵画は視覚的なストーリーテリングのユニークな形態を具現化しており、創造過程は最終作品と同じくらい重要である。 我々のアプローチはリアルでスタイリッシュな外観を生み出し、デジタル絵画の統一モデルを提供する。
• 参考スコア（独自算出の注目度）: 25.61763988336406
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Painting embodies a unique form of visual storytelling, where the creation process is as significant as the final artwork. Although recent advances in generative models have enabled visually compelling painting synthesis, most existing methods focus solely on final image generation or patch-based process simulation, lacking explicit stroke structure and failing to produce smooth, realistic shading. In this work, we present a differentiable stroke reconstruction framework that unifies painting, stylized texturing, and smudging to faithfully reproduce the human painting-smudging loop. Given an input image, our framework first optimizes single- and dual-color Bezier strokes through a parallel differentiable paint renderer, followed by a style generation module that synthesizes geometry-conditioned textures across diverse painting styles. We further introduce a differentiable smudge operator to enable natural color blending and shading. Coupled with a coarse-to-fine optimization strategy, our method jointly optimizes stroke geometry, color, and texture under geometric and semantic guidance. Extensive experiments on oil, watercolor, ink, and digital paintings demonstrate that our approach produces realistic and expressive stroke reconstructions, smooth tonal transitions, and richly stylized appearances, offering a unified model for expressive digital painting creation. See our project page for more demos: https://yingjiang96.github.io/DiffPaintWebsite/.
• Abstract（参考訳）: 絵画は視覚的なストーリーテリングのユニークな形態を具現化しており、創造過程は最終作品と同じくらい重要である。 生成モデルの最近の進歩により視覚的に魅力的な絵画合成が可能になったが、既存のほとんどの手法は最終的な画像生成やパッチベースのプロセスシミュレーションのみに焦点を当てており、明示的なストローク構造が欠如しており、滑らかでリアルなシェーディングが得られていない。 本研究では,絵画,テクスチャ,スムジングを統一し,人間の絵画・スムジングループを忠実に再現する,異種脳卒中再建フレームワークを提案する。 入力画像が与えられた場合、このフレームワークは、まず平行微分可能なペイントレンダラーを用いて、単色および双色ベジエストロークを最適化し、続いて、様々な絵画スタイルで幾何学条件のテクスチャを合成するスタイル生成モジュールを作成した。 さらに, 自然色ブレンディングとシェーディングを実現するために, 微分可能なスマッジ演算子を導入する。 本手法は, 粗大な最適化手法と組み合わせて, 幾何学的, 意味的指導の下でのストローク形状, 色, テクスチャを協調的に最適化する。 油絵,水彩画,インク画,デジタル絵画の広汎な実験により,本手法は現実的かつ表現力のあるストローク再構築,滑らかな音色遷移,リッチなスタイルの外観を再現し,表現力のあるデジタル絵画の統一モデルを提供する。 詳しくは、プロジェクトページを参照してほしい。

関連論文リスト

• Vectorized Region Based Brush Strokes for Artistic Rendering [3.5297361401370044]
  近年の脳卒中絵は、脳卒中パラメータの予測と反復的精錬によって脳卒中の詳細を捉えることに焦点が当てられている。 これらの手法は、しばしば芸術的原則や意図に沿ったストローク構成を作り出すのに苦労する。 i) 対象領域におけるブラシストロークのセマンティックガイダンスを容易にし, (ii) ブラシストロークパラメータを計算し, (iii) セグメントとストローク間のシーケンスを構築し, 最終的な図面を逐次描画する。
  論文  参考訳（メタデータ） (2025-06-11T17:45:36Z)
• Emergence of Painting Ability via Recognition-Driven Evolution [49.666177849272856]
  脳卒中枝とパレット枝を併用したモデルを提案する。 マシンビジョンで達成した認識精度を計測することにより、視覚コミュニケーションの効率を定量化する。 実験結果から,本モデルは高次認識タスクにおいて優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-01-09T04:37:31Z)
• CreativeSynth: Cross-Art-Attention for Artistic Image Synthesis with Multimodal Diffusion [73.08710648258985]
  レイアウト、視点、形状、意味といった重要な絵の属性は、しばしばスタイル転送によって伝達され、表現されない。 大規模な事前訓練された画像生成モデルは、大量の高品質な画像を合成できることを実証している。 我々の主要なアイデアは、スタイルを現実の世界に移すのではなく、多モーダルな意味情報を合成ガイドとしてアートに組み込むことである。
  論文  参考訳（メタデータ） (2024-01-25T10:42:09Z)
• Stroke-based Neural Painting and Stylization with Dynamically Predicted Painting Region [66.75826549444909]
  ストロークベースのレンダリングは、ストロークのセットで画像を再現することを目的としている。 本研究では,現在のキャンバスに基づいて絵画領域を予測する合成ニューラルネットワークを提案する。 我々は、新しい微分可能な距離変換損失を伴って、ストロークベースのスタイル転送に拡張する。
  論文  参考訳（メタデータ） (2023-09-07T06:27:39Z)
• Inversion-Based Style Transfer with Diffusion Models [78.93863016223858]
  以前の任意の例として誘導された芸術的画像生成法は、しばしば形状変化の制御や要素の伝達に失敗する。 画像のキー情報を効率よく正確に学習できるインバージョンベースのスタイル転送手法(InST)を提案する。
  論文  参考訳（メタデータ） (2022-11-23T18:44:25Z)
• Perceptual Artifacts Localization for Inpainting [60.5659086595901]
  そこで本研究では,知覚的アーティファクトの自動セグメンテーションの学習タスクを提案する。 データセット上で高度なセグメンテーションネットワークをトレーニングし、インペイントされた画像内のインペイントされたアーティファクトを確実にローカライズする。 また, 対象領域と対象領域全体との比率である知覚人工物比 (PAR) という新しい評価指標を提案する。
  論文  参考訳（メタデータ） (2022-08-05T18:50:51Z)
• PTGCF: Printing Texture Guided Color Fusion for Impressionism Oil Painting Style Rendering [0.3249853429482705]
  ストロークテクスチャやターゲットスタイル画像の色などのスタイル情報の抽出が画像スタイリングの鍵となる。 油彩画のトーン特性と代表色を完全に考慮した新しいストロークレンダリング法を提案する。 実験により,提案モデルの有効性が検証された。
  論文  参考訳（メタデータ） (2022-07-26T00:31:23Z)

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。