論文の概要: IDraw: Artist Verification from Digital Drawing Images

• arxiv url: http://arxiv.org/abs/2608.01737v1
• Date: Mon, 03 Aug 2026 06:02:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.345094
• Title: IDraw: Artist Verification from Digital Drawing Images
• Title（参考訳）: IDraw:デジタル描画画像によるアーティストの検証
• Authors: Nayoung Kim, Nan Jiang, Bangjie Sun, Jaewon Shin, Sojeong Kim, Jun Han,
• Abstract要約: IDrawはタブレットペンのセンサー信号と組み合わせた描画から学習するフレームワークだ。 デジタル描画オーサシップ検証のための,最初のマルチモーダルデータセットを構築した。 IDrawは、標準画像ベースの検証よりも一貫して優れています。
• 参考スコア（独自算出の注目度）: 8.878240448118765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As digital drawings are increasingly shared online, reliable authorship verification has become important for protecting artists and resolving disputes. Yet when authorship is questioned, verification may have to rely only on the disputed drawing and reference drawings known to be created by the claimed artist. This setting is challenging for two reasons. First, artist-specific drawing behavior, such as pen pressure and movement speed, is informative but is not available from a completed drawing. Second, similarities in the depicted object or scene can obscure similarities arising from the artist. We propose IDraw, a framework that learns from drawings paired with tablet-pen sensor signals collected from separate training artists. This allows IDraw to infer drawing behavior from completed images during a later authorship dispute, without requiring sensor data from the artist being verified. IDraw also reduces the influence of drawing content by identifying information shared by drawings of the same object across different artists and suppressing it before comparing drawings. To support this approach, we construct the first multimodal dataset for digital drawing authorship verification, containing 1,110 drawings from 37 artists and 14 types of tablet-pen sensor signals. Evaluated on previously unseen artists across nine image-encoder backbones, IDraw consistently outperforms standard image-based verification and reduces verification error by up to 40%. These results demonstrate that inferring drawing behavior from completed images and suppressing drawing content improve digital drawing authorship verification.
• Abstract（参考訳）: デジタルドローイングのオンライン化が進むにつれて、アーティストの保護と紛争解決のために信頼性の高いオーサリング検証が重要になっている。 しかし、著者が疑問に思った場合、検証は、主張された芸術家によって作成されたと知られている論争された図面と参照図面にのみ依存しなければならない。 この設定は2つの理由から難しい。 第一に、ペンプレッシャーや動き速度などのアーティスト固有の描画動作は情報的だが、完成した図面からは利用できない。 第二に、描写されたオブジェクトやシーンの類似性は、アーティストから生じる明らかな類似性である。 我々は,タブレットペンセンサと組み合わせた描画から学習するフレームワークIDrawを提案する。 これによりIDrawは、後続のオーサシップ論争で完了した画像から描画動作を推測できる。 IDrawはまた、異なるアーティスト間で同じオブジェクトの描画によって共有される情報を識別し、描画を比較する前にそれを抑制することによって、描画内容の影響を低減する。 このアプローチを支援するために,37名のアーティストから1,110点の描画と14種類のタブレットペンセンサ信号を含む,デジタル描画オーサシップ検証のための最初のマルチモーダルデータセットを構築した。 IDrawは、9つの画像エンコーダのバックボーンにまたがる未確認アーティストに対して評価され、標準画像ベースの検証を一貫して上回り、検証エラーを最大40%削減する。 これらの結果から,完成した画像からの描画動作の推測と描画内容の抑制により,デジタル描画オーサシップの検証が向上することが示唆された。

関連論文リスト

• PatternPortrait: Draw Me Like One of Your Scribbles [2.01243755755303]
  本稿では,絵画から抽象的な肖像画を作成する方法を紹介する。 その独特のスタイルは、単一のフリーハンドパターンのスケッチを参照として利用して、シェーディングのためのユニークなパターンを生成する。 この方法は、画像から顔や身体の特徴を抽出し、それらをベクトル線に変換する。
  論文  参考訳（メタデータ） (2024-01-22T12:33:11Z)
• Steal My Artworks for Fine-tuning? A Watermarking Framework for Detecting Art Theft Mimicry in Text-to-Image Models [35.360495366424885]
  テキスト・ツー・イメージモデルにおける模倣を微調整により検出する新しい透かしフレームワークを提案する。 このフレームワークは、微妙な透かしをデジタルアートワークに埋め込んで、アーティストの視覚的表現を維持しながら著作権を保護する。 一連の画像におけるこれらの透かしの分布を解析することにより、盗難被害者データを用いた微調整の模倣行為が露呈する。
  論文  参考訳（メタデータ） (2023-11-22T07:17:12Z)
• Sketch2Saliency: Learning to Detect Salient Objects from Human Drawings [99.9788496281408]
  本研究では,スケッチを弱いラベルとして使用して,画像中の有能な物体を検出する方法について検討する。 これを実現するために,与えられた視覚写真に対応する逐次スケッチ座標を生成することを目的としたフォト・ツー・スケッチ生成モデルを提案する。 テストは、私たちの仮説を証明し、スケッチベースの唾液度検出モデルが、最先端技術と比較して、競争力のあるパフォーマンスを提供する方法を明確にします。
  論文  参考訳（メタデータ） (2023-03-20T23:46:46Z)
• Picture that Sketch: Photorealistic Image Generation from Abstract Sketches [109.69076457732632]
  この論文は、あなたや私のような訓練を受けていないアマチュアの抽象的で変形した普通のスケッチから、それをフォトリアリスティックなイメージに変えます。 まず、エッジマップのようなスケッチを指示するのではなく、抽象的なフリーハンドな人間のスケッチで作業することを目指しています。 そうすることで、スケッチから写真までのパイプラインを民主化し、スケッチがどれだけよいかに関わらず、スケッチを"写真化"します。
  論文  参考訳（メタデータ） (2023-03-20T14:49:03Z)
• Learning to generate line drawings that convey geometry and semantics [22.932131011984513]
  本稿では,写真から線画を作成する方法を提案する。 線画はシーン情報のエンコーディングであり,3次元形状と意味的意味を伝達しようとする。 線描画の画像特徴から深度情報を予測する幾何学的損失と、線描画のCLIP特徴と対応する写真とを一致させる意味的損失を導入する。
  論文  参考訳（メタデータ） (2022-03-23T19:27:41Z)
• DoodleFormer: Creative Sketch Drawing with Transformers [68.18953603715514]
  創造的スケッチ(Creative sketching)またはドゥーリング(Duodling)は、日常の視覚的物体の想像的かつ以前は目に見えない描写が描かれた表現的活動である。 本稿では,クリエイティビティスケッチ生成問題を粗いスケッチ合成に分解する,粗い2段階のフレームワークDoodleFormerを提案する。 生成した創作スケッチの多様性を確保するため,確率論的粗いスケッチデコーダを導入する。
  論文  参考訳（メタデータ） (2021-12-06T18:59:59Z)
• DeepMorph: A System for Hiding Bitstrings in Morphable Vector Drawings [0.0]
  DeepMorphはベクトル描画のための情報埋め込み技術である。 本手法は描画プリミティブを摂動することで画像にビットストリングを埋め込む。 本手法は,印刷図面の実際の画像からビットストリングを確実に回収することを示す。
  論文  参考訳（メタデータ） (2020-11-19T11:55:39Z)

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。