論文の概要: The 1st PortraitCraft Challenge: A CVPR 2026 Workshop Competition on Portrait Composition Understanding and Generation

• arxiv url: http://arxiv.org/abs/2606.10894v1
• Date: Tue, 09 Jun 2026 14:05:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.53892
• Title: The 1st PortraitCraft Challenge: A CVPR 2026 Workshop Competition on Portrait Composition Understanding and Generation
• Title（参考訳）: 1st PortraitCraft Challenge: A CVPR 2026 Workshop Competition on Portrait composition Understanding and Generation
• Authors: Zijie Lou, Youyun Tang, Xiaochao Qu, Haoxiang Li, Ting Liu, Luoqi Liu, Xun Zhu, Zheng Zhang, Xi Chen, Miao Li, Ji Wu, Dizhe Zhang, Xian Ge, Sujia Wang, Ruiyang Zhang, Jiaming Wang, Xianshun Wang, Lu Qi, Boao Kang, Wei Zhou, Jinghui Sun, Zhenyu Yan, Jiliang Zhao, Rui Yang, Yipo Huang, Boyuan Liu, Shanglin Li, Zifan Xie, Yichen Zhang, Anlan Wang, Wenfeng Lin, Mingyu Guo, Dong Li, Xinghao Wang, Yanting Li, Shanzhao Tong, Shuai He, Qiu Zhou, Yongqi Yang, Taoyang Mu, Dianqiao Lei, Anlong Ming, Huadong Ma,
• Abstract要約: PortraitCraft Challengeは、肖像画の美学分析と制御可能な画像合成におけるAI研究を前進させることを目的としている。 この課題を支援するために,約50,000枚のキュレートされた実像からなる大規模な肖像画合成データセットを構築し,公開した。 本報告では,課題設定,評価プロトコル,データセット構成,最終結果について述べるとともに,提案したソリューションの技術的特性の分析を行う。
• 参考スコア（独自算出の注目度）: 81.88187465365475
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper presents an overview of the inaugural PortraitCraft Challenge, held as one of the official competitions at CVPR 2026. The challenge focuses on portrait composition understanding and generation, aiming to advance AI research in portrait aesthetics analysis and controllable image synthesis. Unlike existing datasets and tasks that primarily focus on global aesthetic scoring, PortraitCraft introduces a unified evaluation framework comprising two complementary tracks. Track 1 requires models to perform structured portrait composition understanding, and Track 2 requires models to generate portrait images from structured composition descriptions under explicit compositional constraints. To support the challenge, we constructed and publicly released a large-scale portrait composition dataset consisting of approximately 50,000 curated real portrait images, providing multi-level supervision. This report describes the challenge setup, evaluation protocols, dataset composition, and final results, along with an analysis of the technical characteristics of the submitted solutions. The PortraitCraft Challenge provides a standardized and reproducible platform for research on portrait composition understanding and generation, and is expected to foster further progress in the fields of portrait aesthetics and controllable image generation.
• Abstract（参考訳）: 本稿では,CVPR 2026の公式コンペティションの1つとして開催された第1回PortraitCraft Challengeの概要を紹介する。 この課題は、肖像画の美学分析と制御可能な画像合成におけるAI研究の推進を目的とした、肖像画構成の理解と生成に焦点を当てている。 PortraitCraftは、グローバルな美的評価に重点を置く既存のデータセットやタスクとは異なり、2つの補完的なトラックからなる統一評価フレームワークを導入している。 トラック1は、構造化された肖像画構成理解を行うモデルを必要とし、トラック2は、明示的な構成制約の下で、構造化された構成記述から肖像画を生成するモデルを必要とする。 この課題を支援するために,我々は,約50,000枚のキュレートされた実像画像からなる大規模な肖像画合成データセットを構築し,公開し,多段階の監督を行った。 本報告では,課題設定,評価プロトコル,データセット構成,最終結果について述べるとともに,提案したソリューションの技術的特性の分析を行う。 ポートレートクラフトチャレンジは、ポートレート構成の理解と生成の研究のための標準化された再現可能なプラットフォームを提供し、ポートレート美学と制御可能な画像生成の分野におけるさらなる進歩を促進することが期待されている。

関連論文リスト

• NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: AI Flash Portrait (Track 3) [127.69044386248355]
  NTIRE 2026 3rd Restore Any Image Model (RAIM) の課題について概観する。 この課題は、現実世界の低照度肖像画復元のための新しいベンチマークを確立することを目的としている。 本報告では,課題の背景にあるモチベーション,データセット構築プロセス,評価指標,および競争のさまざまなフェーズについて詳述する。
  論文  参考訳（メタデータ） (2026-04-13T09:30:56Z)
• PortraitCraft: A Benchmark for Portrait Composition Understanding and Generation [21.26852995282223]
  PortraitCraftは、ポートレートコンポジションの理解と生成のための統一されたベンチマークである。 PortraitCraftは、約5万枚の実際のポートレート画像のデータセット上に構築されている。
  論文  参考訳（メタデータ） (2026-04-04T06:50:51Z)
• NTIRE 2025 Challenge on Image Super-Resolution ($\times$4): Methods and Results [159.15538432295656]
  NTIRE 2025イメージ超解像(4ドル)チャレンジは、CVPR 2025の第10回NETREワークショップのコンペティションのひとつ。 この課題は、低分解能(LR)画像から高分解能(HR)画像を復元することを目的としている。 286人の参加者が参加し、25チームが有効なエントリーを提出した。
  論文  参考訳（メタデータ） (2025-04-20T12:08:22Z)
• IC-Portrait: In-Context Matching for View-Consistent Personalized Portrait [51.18967854258571]
  IC-Portraitは、パーソナライズされた肖像画生成のために個々のアイデンティティを正確にエンコードするように設計された新しいフレームワークである。 我々の重要な洞察は、事前学習された拡散モデルは、文脈内密対応マッチングのための高速学習者であるということである。 我々は,IC-Portraitが既存の最先端手法を定量的かつ質的に一貫的に上回っていることを示す。
  論文  参考訳（メタデータ） (2025-01-28T18:59:03Z)
• Portrait Interpretation and a Benchmark [49.484161789329804]
  提案した肖像画解釈は,人間の知覚を新たな体系的視点から認識する。 我々は,身元,性別,年齢,体格,身長,表情,姿勢をラベル付けした25万枚の画像を含む新しいデータセットを構築した。 筆者らの実験結果から, 肖像画解釈に関わるタスクを組み合わせることで, メリットが得られることが示された。
  論文  参考訳（メタデータ） (2022-07-27T06:25:09Z)

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。