論文の概要: Parameterized Brushstroke Style Transfer

• arxiv url: http://arxiv.org/abs/2603.07776v1
• Date: Sun, 08 Mar 2026 19:33:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:15.208242
• Title: Parameterized Brushstroke Style Transfer
• Title（参考訳）: パラメータ化ブラシストロークスタイル転送
• Authors: Uma Meleti, Siyu Huang,
• Abstract要約: コンピュータビジョンに基づくスタイルトランスファー技術は、長年にわたって芸術的なスタイルを表現するために用いられてきた。 本稿では,RGB領域の代わりにブラシストローク領域の画像を表すスタイル転送手法について述べる。
• 参考スコア（独自算出の注目度）: 13.070143225543724
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computer Vision-based Style Transfer techniques have been used for many years to represent artistic style. However, most contemporary methods have been restricted to the pixel domain; in other words, the style transfer approach has been modifying the image pixels to incorporate artistic style. However, real artistic work is made of brush strokes with different colors on a canvas. Pixel-based approaches are unnatural for representing these images. Hence, this paper discusses a style transfer method that represents the image in the brush stroke domain instead of the RGB domain, which has better visual improvement over pixel-based methods.
• Abstract（参考訳）: コンピュータビジョンに基づくスタイルトランスファー技術は、長年にわたって芸術的なスタイルを表現するために用いられてきた。 しかし、ほとんどの現代的手法はピクセル領域に限定されており、言い換えれば、スタイル転送のアプローチは、芸術的なスタイルを取り入れるために画像ピクセルを変更している。 しかし、実際の芸術作品はキャンバスに異なる色のブラシストロークでできている。 ピクセルベースのアプローチは、これらのイメージを表現するには不自然なものです。 そこで本研究では,RGB領域ではなくブラシストローク領域の画像を表すスタイル転送手法について述べる。

関連論文リスト

• Free-Lunch Color-Texture Disentanglement for Stylized Image Generation [62.215875006311876]
  本稿では,タイマライズされたT2I生成において,フリーランチなカラーテクスチャ・ディコンタングルを実現するための,最初のチューニング自由アプローチを提案する。 Our Style Attributes Disentanglement approach (SADis)は、より正確でカスタマイズ可能な、スタイリングされた画像生成ソリューションを提供する。 WikiArtとStyleDropのデータセットの画像に対する実験は、SADisがDisIGタスクの最先端化方法を上回ることを実証している。
  論文  参考訳（メタデータ） (2025-03-18T14:10:43Z)
• Multiscale style transfer based on a Laplacian pyramid for traditional Chinese painting [6.248530911794617]
  そこで本研究では,ラプラシアンピラミッドの分解と再構築に基づく,新しいマルチスケール・トランスファー手法を提案する。 第1段階では、スタイル転送ベースネットワークを採用することにより、全体的なパターンを低解像度で転送する。 内容とスタイルの詳細は、ディテールエンハンスメントネットワークにより、より高解像度で徐々に強化される。
  論文  参考訳（メタデータ） (2025-02-07T01:04:49Z)
• 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)
• 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)
• Interactive Style Transfer: All is Your Palette [74.06681967115594]
  本稿では,ユーザが対話的に調和したスタイルのイメージを作成できる,図形的な対話型スタイル転送(IST)手法を提案する。 私たちのISTメソッドは、どこからでもブラシやディップスタイルとして機能し、ターゲットのコンテンツイメージの任意の領域にペイントします。
  論文  参考訳（メタデータ） (2022-03-25T06:38:46Z)
• Domain-Aware Universal Style Transfer [34.89191913595395]
  既存の普遍的なスタイル転送手法は、芸術的または写真リアルな方法で、任意のスタイルをオリジナルの画像に届けることに成功した。 本稿では,DSTN(Domain-Aware Style Transfer Network)という統合アーキテクチャを提案する。 本モデルでは, より質的な結果が得られ, 芸術的, フォトリアリスティックなスタイル化の両面で, 従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-08-10T04:22:16Z)
• Rethinking Style Transfer: From Pixels to Parameterized Brushstrokes [2.924868086534434]
  ピクセルではなくパラメータ化されたブラシストロークを最適化することで,画像の様式化手法を提案する。 我々のアプローチは視覚的品質を大幅に改善し、スタイリングプロセスのさらなる制御を可能にします。
  論文  参考訳（メタデータ） (2021-03-31T16:15:03Z)

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。