論文の概要: PaintCopilot: Modeling Painting as Autonomous Artistic Continuation

• arxiv url: http://arxiv.org/abs/2605.20941v1
• Date: Wed, 20 May 2026 09:27:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.597494
• Title: PaintCopilot: Modeling Painting as Autonomous Artistic Continuation
• Title（参考訳）: PaintCopilot: 絵画を自律的な芸術的継続としてモデル化する
• Authors: Yunge Wen, Yuancheng Shen, Paul Pu Liang,
• Abstract要約: PaintCopilotモデルは、進化するキャンバス状態と以前のブラシストロークの歴史に基づいて、オープンエンドの自己回帰的芸術行動として絵を描く。 PaintCopilotは、学習した芸術的ダイナミクスから直接将来のストロークを予測する。 PaintCopilotは、アーティストとAIがクリエイティブなプロセスを通して相互に制御する、流動的なコクリエーティブな絵画を可能にすることを実証する。
• 参考スコア（独自算出の注目度）: 24.511616587268804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present PaintCopilot, a co-creative neural painting assistant that models painting as an open-ended autoregressive artistic behavior conditioned on evolving canvas states and prior brushstroke history, without requiring a target image. Unlike existing neural painting methods that frame painting as pixel reconstruction toward a predefined reference, PaintCopilot predicts future strokes directly from learned artistic dynamics, analogous to how large language models continue text sequences from prior context. The framework proposes three complementary models: a ViT-based Target Predictor that infers artist intent from partial canvas observations, an autoregressive Next Stroke Predictor that generates temporally coherent brushstrokes via flow matching, and a VAE-based Region Sampler that synthesizes semantically localized stroke sequences on demand. Built on three differentiable brush representations (Hard Round, Brush Tip, and 2D Gaussian), the system supports four interactive workflows: Optimize History, Stroke Completion, Region Inpainting, and Dynamic Brush. Through case studies with professional artists, we demonstrate that PaintCopilot enables fluid co-creative painting workflows in which artists and AI continuously alternate control throughout the creative process.
• Abstract（参考訳）: 我々は,絵画を,対象のイメージを必要とせず,キャンバス状態やブラシストローク前の歴史を条件とした,オープンな自己回帰的芸術行動としてモデル化する,共同創造型ニューラルペイントアシスタントであるPaintCopilotを紹介する。 PaintCopilotは、事前に定義された参照に向けてピクセル再構成として絵を描く既存のニューラルネットワークの手法とは異なり、学習された芸術的ダイナミクスから直接将来のストロークを予測する。 このフレームワークは3つの補完モデルを提案する: 部分的なキャンバス観測からアーティストの意図を推測するViTベースのターゲット予測器、フローマッチングによる時間的コヒーレントなブラシストロークを生成する自動回帰型Next Stroke予測器、要求に応じてセマンティックにローカライズされたストロークシーケンスを合成するVAEベースのリージョンサンプリング器。 3つの異なるブラシ表現(Hard Round, Brush Tip, 2D Gaussian)に基づいて構築されたこのシステムは、Optimize History, Stroke Completion, Region Inpainting, Dynamic Brushの4つのインタラクティブワークフローをサポートする。 プロのアーティストとのケーススタディを通じて、PaintCopilotは、クリエイティブプロセスを通じてアーティストとAIが相互に制御する、流動的な共創造的な絵画ワークフローを可能にすることを実証する。

関連論文リスト

• PaintFlow: A Unified Framework for Interactive Oil Paintings Editing and Generation [47.72342715926692]
  油彩画は、人間の抽象的思考と芸術的表現を融合させる高水準の媒体である。 既存の生成および編集技術は、トレーニングデータの分散によって制約されることが多い。 油絵作成と編集のための統合型マルチモーダルフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-09T12:31:00Z)
• Loomis Painter: Reconstructing the Painting Process [56.713812157283805]
  ステップバイステップの絵画チュートリアルは芸術的技法を学ぶのに不可欠であるが、既存のビデオリソースには対話性とパーソナライゼーションが欠如している。 セマンティクス駆動型スタイル制御機構を用いたマルチメディア描画プロセス生成のための統一的なフレームワークを提案する。 また、実際の絵画プロセスの大規模データセットを構築し、メディア間の整合性、時間的コヒーレンス、最終的なイメージの忠実性を評価する。
  論文  参考訳（メタデータ） (2025-11-21T16:06:32Z)
• Birth of a Painting: Differentiable Brushstroke Reconstruction [25.61763988336406]
  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。
  論文  参考訳（メタデータ） (2025-11-17T09:55:53Z)
• ProcessPainter: Learn Painting Process from Sequence Data [27.9875429986135]
  画家の絵画の過程は本質的に段階的に変化しており、異なる画家や様式によって大きく異なる。 従来のストロークベースのレンダリング手法は、画像をブラシストロークのシーケンスに分解するが、アーティストの真正なプロセスの複製には不十分である。 ProcessPainterは、最初は合成データに基づいて事前訓練され、その後、特定のアーティストの絵のシーケンスで微調整されるテキスト・ビデオ・モデルである。
  論文  参考訳（メタデータ） (2024-06-10T07:18:41Z)
• 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)
• Interactive Neural Painting [66.9376011879115]
  本稿では,対話型ニューラルペイント(NP)の最初のアプローチを提案する。 2段デコーダを用いた条件変圧器変分自動エンコーダ(VAE)アーキテクチャに基づく新しい手法であるI-Paintを提案する。 実験の結果,本手法は良好なストローク提案を提供し,最先端技術と比較した。
  論文  参考訳（メタデータ） (2023-07-31T07:02:00Z)

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。