論文の概要: Enhancing Multi-Region Stylization with Interior-Guided Boundary Repair
- arxiv url: http://arxiv.org/abs/2610.09706v1
- Date: Wed, 07 Oct 2026 09:03:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.81698
- Title: Enhancing Multi-Region Stylization with Interior-Guided Boundary Repair
- Title（参考訳）: 内ガイド下境界修復によるマルチリージョンスチリゼーションの強化
- Abstract要約: 領域ベースのニューラルスタイル転送は、セマンティックイメージ領域の独立したスタイリゼーションを可能にすることによって、きめ細かい芸術的制御を可能にする。
マルチリージョンスタイリングにおけるバウンダリハンドリングを改善する軽量かつモデルに依存しないインテリアガイド境界修復法(IGBR)を提案する。
- 参考スコア（独自算出の注目度）: 3.305674628632655
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Region-based neural style transfer enables fine-grained artistic control by allowing independent stylization of semantic image regions. However, compositing these regions often leads to boundary artifacts, degrading visual quality. We propose Interior-Guided Boundary Repair (IGBR), a lightweight and model-agnostic method that improves boundary handling in multi-region stylization. IGBR repairs boundary pixels using interior-guided propagation and applies inward, distance-based blending restricted to object-background boundaries, preventing inter-object style leakage. The method is derived from a region-wise constrained formulation with a closed-form solution and can be seamlessly integrated into existing stylization pipelines without retraining. To evaluate efficiency of our IGBR, we introduce quantitative metrics that measure boundary consistency, gradient artifacts, inter-object leakage, and interior preservation without requiring annotated stylized images. Our experiments and evaluations demonstrate that the proposed IGBR consistently produces plausible boundaries, outperforming prior blending techniques in boundary consistency, gradient stability, and interior preservation. The code is available at https://github.com/Son-SDT/IGBR.
- Abstract（参考訳）: 領域ベースのニューラルスタイル転送は、セマンティックイメージ領域の独立したスタイリゼーションを可能にすることによって、きめ細かい芸術的制御を可能にする。
しかし、これらの領域を構成することは境界アーティファクトにつながり、視覚的品質を低下させる。
マルチリージョンスタイリングにおけるバウンダリハンドリングを改善する軽量かつモデルに依存しないインテリアガイド境界修復法(IGBR)を提案する。
IGBRは内部誘導伝搬を用いて境界画素を修復し、内向きの距離ベースブレンディングをオブジェクトの背景境界に制限し、オブジェクト間のリークを防止する。
本手法は, 閉形式解を用いた領域制限型定式化法から導出し, 再学習なしに既存のスタイリングパイプラインにシームレスに統合することができる。
IGBRの効率を評価するために,注釈付きスタイリング画像を必要としない境界整合性,勾配アーチファクト,オブジェクト間リーク,内部保存を計測する定量的指標を導入した。
実験および評価の結果,提案したIGGRは, 境界の整合性, 勾配安定性, 内部保存性において, 従来のブレンディング技術よりも優れることがわかった。
コードはhttps://github.com/Son-SDT/IGBRで公開されている。
関連論文リスト
- Boundary-Enhanced Segmentation of Pig Point Clouds in Commercial Housing Environments [22.590093437858368]
ピッグポイント雲は、しばしば背景構造と密接な接触を起こし、ぼやけたターゲット境界、局所的な付着、背景のミスセグメンテーションをもたらす。
本研究では,境界特徴解析に基づく豚点雲分割法を提案する。
提案手法では,Octree Transformerをバックボーンネットワークとして採用し,局所幾何学的詳細をグローバルな意味文脈と統合する。
論文 参考訳（メタデータ） (2026-08-12T06:15:01Z) - Rate-optimal neural boundary detection from unlabeled noisy images [1.8620637029128548]
統計的観点からラベル付き雑音画像の境界検出について検討した。
頑健なギブスの後部アプローチにより, 境界検出のための連続的なヒンジ型サロゲート損失を提案する。
提案した損失は勾配に基づく最適化に有効であり、複雑なオブジェクト境界を表現するためにディープニューラルネットワークと組み合わせることができる。
論文 参考訳（メタデータ） (2026-05-30T12:58:09Z) - RecDiffusion: Rectangling for Image Stitching with Diffusion Models [53.824503710254206]
画像縫合整形のための新しい拡散学習フレームワーク textbfRecDiffusion を提案する。
このフレームワークは運動拡散モデル(MDM)を組み合わせて運動場を生成し、縫合された画像の不規則な境界から幾何学的に修正された中間体へ効果的に遷移する。
論文 参考訳（メタデータ） (2024-03-28T06:22:45Z) - Boundary Attention: Learning curves, corners, junctions and grouping [23.467103272604906]
我々は、曲線、角、ジャンクションを含むグループ化と境界を推論する軽量なネットワークを提案する。
ボトムアップ方式で動作し、サブピクセルのエッジローカライゼーションとエッジリンクの古典的な手法に類似している。
我々のネットワークは、境界アテンションを幾何学的に認識した局所アテンション操作と呼ぶメカニズムを使用している。
論文 参考訳（メタデータ） (2024-01-01T19:00:55Z) - GC-VTON: Predicting Globally Consistent and Occlusion Aware Local Flows
with Neighborhood Integrity Preservation for Virtual Try-on [0.0]
フローベースの衣服のワープは、画像ベースの仮想トライオンネットワークの不可欠な部分である。
本研究では,グローバルな境界アライメントと局所的なテクスチャ保存タスクを分離する手法を提案する。
次に、局所フローと大域境界アライメントを調和させる2つのモジュール間で整合損失が生じる。
論文 参考訳（メタデータ） (2023-11-07T10:09:49Z) - GP-VTON: Towards General Purpose Virtual Try-on via Collaborative
Local-Flow Global-Parsing Learning [63.8668179362151]
仮想トライオン(Virtual Try-ON)は、ショップ内の衣服を特定の人に転送することを目的としている。
既存の手法では、異なる衣服部品の異方性変形をモデル化するために、グローバルなワーピングモジュールを使用している。
本稿では,革新的なローカルフロー・グローバル・パーシング(LFGP)ワーピングモジュールと動的グラディエント・トラニケーション(DGT)トレーニング戦略を提案する。
論文 参考訳（メタデータ） (2023-03-24T02:12:29Z) - Boundary Guided Context Aggregation for Semantic Segmentation [23.709865471981313]
我々は、画像の全体的意味理解を促進するために、コンテキストアグリゲーションのための重要なガイダンスとして境界を利用する。
我々はCityscapesとADE20Kデータベースに関する広範な実験を行い、最先端の手法で同等の結果を得る。
論文 参考訳（メタデータ） (2021-10-27T17:04:38Z) - Look Closer to Segment Better: Boundary Patch Refinement for Instance
Segmentation [51.59290734837372]
境界品質を改善するために,概念的にシンプルで効果的な後処理改善フレームワークを提案する。
提案されたBPRフレームワークは、CityscapesベンチマークのMask R-CNNベースラインを大幅に改善する。
BPRフレームワークをPolyTransform + SegFixベースラインに適用することで、Cityscapesのリーダーボードで1位に到達しました。
論文 参考訳（メタデータ） (2021-04-12T07:10:48Z) - Active Boundary Loss for Semantic Segmentation [58.72057610093194]
本稿では,セマンティックセグメンテーションのための新しいアクティブ境界損失を提案する。
エンド・ツー・エンドのトレーニングにおいて、予測境界とグランド・トゥルース・バウンダリのアライメントを徐々に促進することができる。
実験結果から, アクティブ境界損失によるトレーニングは, 境界Fスコアと平均インターセクションオーバ・ユニオンを効果的に改善できることが示された。
論文 参考訳（メタデータ） (2021-02-04T15:47:54Z) - Contrastive Rendering for Ultrasound Image Segmentation [59.23915581079123]
米国の画像にシャープな境界がないことは、セグメンテーションに固有の課題である。
我々は,US画像における境界推定を改善するための,新しい,効果的なフレームワークを提案する。
提案手法は最先端の手法より優れており,臨床応用の可能性も高い。
論文 参考訳（メタデータ） (2020-10-10T07:14:03Z) - Think about boundary: Fusing multi-level boundary information for
landmark heatmap regression [51.48533538153833]
顔の境界とランドマークの関係を探索するための2段階のエンドツーエンドアプローチについて検討する。
境界対応ランドマーク予測は,自己校正境界推定(SCBE)モジュールと境界対応ランドマーク変換(BALT)モジュールの2つのモジュールで構成される。
我々の手法は文学における最先端の手法より優れている。
論文 参考訳（メタデータ） (2020-08-25T10:14:13Z)
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。