論文の概要: Texture Interpolation as Texton Matching

• arxiv url: http://arxiv.org/abs/2610.18655v1
• Date: Tue, 13 Oct 2026 16:19:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 20:19:18.581082
• Title: Texture Interpolation as Texton Matching
• Title（参考訳）: テクスチャマッチングとしてのテクスチャ補間
• Abstract要約: テクスチャは2つのテクスチャの間に何を置くべきかを尋ねます。 標準的な方法は通常、対応する空間的位置でピクセルや特徴をブレンドする。 しかし、無関係なテクスチャに対しては、この対応は任意である。 この隠れペアリングの選択が、それ自体が品質の主要な決定要因であるかどうかを調査する。
• 参考スコア（独自算出の注目度）: 14.654077653595538
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Texture interpolation asks what should lie between two textures. Standard methods typically blend pixels or features at corresponding spatial locations, implicitly assuming that co-located elements should be mixed. For unrelated textures, however, this correspondence is arbitrary: a crack at one location has no particular relationship to a fiber at the same location in another image. We study whether this hidden pairing choice is itself a major determinant of interpolation quality. We represent textures as collections of local appearance vectors, or textons, and replace positional pairing with appearance-aware matching while keeping the encoder, representation, and decoder fixed. This isolates the effect of correspondence from changes in model capacity or training. Across texture pairs, appearance-aware matching consistently improves the distributional quality of interpolated midpoints over positional feature blending. Soft matching produces the strongest midpoint statistics, whereas one-to-one assignments yield more balanced transitions and closer agreement with the target endpoint. The same intervention also improves a second pretrained texture interpolator without retraining. These results identify correspondence as a first-class design choice in texture interpolation: meaningful transitions depend not only on how strongly two textures are mixed, but also on which local appearances are mixed with one another.
• Abstract（参考訳）: テクスチャ補間は2つのテクスチャの間に何を置くべきかを問う。 標準的な方法では、通常、対応する空間的位置でピクセルや特徴をブレンドし、同じ位置の要素が混合されるべきであると暗黙的に仮定する。 しかし、無関係なテクスチャについては、この対応は任意であり、ある位置における亀裂は別の画像における同じ位置にあるファイバーと特別な関係を持たない。 この隠れペアリングの選択が、補間品質の主要な決定要因であるかどうかを考察する。 我々は,テクスチャを局所的な出現ベクトルやテキストの集合として表現し,エンコーダ,表現,デコーダを固定したまま位置対応マッチングに置き換える。 これにより、モデルキャパシティやトレーニングの変化から対応の効果を分離する。 テクスチャペア全体にわたって、外観認識マッチングは、位置的特徴ブレンディングよりも補間中点の分布品質を一貫して改善する。 ソフトマッチングは最強の中間点統計を生成するが、一方、1対1の割り当てはよりバランスの取れた遷移と目標の終点との密接な一致をもたらす。 同じ介入により、再トレーニングせずに第2の事前訓練されたテクスチャ補間器も改善される。 これらの結果は,テクスチャ補間における第一級設計選択として,意味的な遷移は2つのテクスチャがどの程度強く混在しているかだけでなく,どの局所的な外観が混在しているかにも依存する。

関連論文リスト

• Interp3D: Correspondence-aware Interpolation for Generative Textured 3D Morphing [63.141976759536625]
  テクスチャ化された3DモーフィングのためのトレーニングフリーフレームワークであるInterp3Dを提案する。 生成的先行性を利用し、幾何学的忠実さとテクスチャコヒーレンスの両方を保証するために、プログレッシブアライメント原理を採用する。 包括的評価のために, 難易度の高い専用データセットInterp3DDataを構築し, 忠実度, 遷移滑らか度, 可視性から生成結果を評価する。
  論文  参考訳（メタデータ） (2026-01-20T16:03:22Z)
• Quantity-Aware Coarse-to-Fine Correspondence for Image-to-Point Cloud Registration [4.954184310509112]
  Image-to-point cloud registrationは、RGBイメージと参照ポイントクラウドの間の相対カメラのポーズを決定することを目的としている。 個々の点と画素とのマッチングは、モダリティギャップによって本質的に曖昧である。 本稿では,局所点集合と画素パッチ間の量認識対応を捉える枠組みを提案する。
  論文  参考訳（メタデータ） (2023-07-14T03:55:54Z)
• Explicit Correspondence Matching for Generalizable Neural Radiance Fields [66.99907718824782]
  本稿では,新たな未知のシナリオに一般化し,2つのソースビューで新規なビュー合成を行う新しいNeRF手法を提案する。 明瞭な対応マッチングは、異なるビュー上の3Dポイントの2次元投影でサンプリングされた画像特徴間のコサイン類似度と定量化される。 実験では,実験結果から得られたコサイン特徴の類似性と体積密度との間に強い相関関係が認められた。
  論文  参考訳（メタデータ） (2023-04-24T17:46:01Z)
• Smooth image-to-image translations with latent space interpolations [64.8170758294427]
  マルチドメインイメージ・トゥ・イメージ(I2I)変換は、ターゲットドメインのスタイルに応じてソースイメージを変換することができる。 我々の正規化技術は、最先端のI2I翻訳を大きなマージンで改善できることを示す。
  論文  参考訳（メタデータ） (2022-10-03T11:57:30Z)
• AlignMix: Improving representation by interpolating aligned features [19.465347590276114]
  特徴空間に2つの画像を幾何学的にアライメントするAlignMixを紹介した。 自動エンコーダは、デコードされた画像を見ることなく、mixup下での表現学習を改善できることを示す。
  論文  参考訳（メタデータ） (2021-03-29T07:03:18Z)
• Consistent Mesh Colors for Multi-View Reconstructed 3D Scenes [13.531166759820854]
  カラーキャリブレーションなしで一貫したテクスチャマップを作成するためには,複数のビューを集約する手法が不可欠であることがわかった。 ビュー面とフェースビューの相互相関から事前に色を計算し、最適なパーフェースカラーを特定します。
  論文  参考訳（メタデータ） (2021-01-26T11:59:23Z)
• Image Inpainting Guided by Coherence Priors of Semantics and Textures [62.92586889409379]
  セマンティクスとテクスチャ間のコヒーレンスプリエンスを導入することにより、セマンティクス的な方法で別々のテクスチャを完成させることに集中できる。 また,全体構造と詳細なテクスチャの観点から,セマンティクスとインペインテッドイメージの一貫性を制約する2つのコヒーレンス損失を提案する。
  論文  参考訳（メタデータ） (2020-12-15T02:59:37Z)
• Image Morphing with Perceptual Constraints and STN Alignment [70.38273150435928]
  本稿では,一対の入力画像で動作する条件付きGANモーフィングフレームワークを提案する。 特別なトレーニングプロトコルは、知覚的類似性損失と組み合わせてフレームのシーケンスを生成し、時間とともにスムーズな変換を促進する。 我々は、古典的かつ潜時的な空間変形技術との比較を行い、自己スーパービジョンのための一連の画像から、我々のネットワークが視覚的に楽しむモーフィング効果を生成することを実証する。
  論文  参考訳（メタデータ） (2020-04-29T10:49:10Z)
• Image Quality Assessment: Unifying Structure and Texture Similarity [38.05659069533254]
  テクスチャリサンプリングに対する耐性を明示した,最初のフル参照画像品質モデルを開発した。 畳み込みニューラルネットワークを用いて、画像をオーバーコンプリート表現に変換するインジェクティブで微分可能な関数を構築する。
  論文  参考訳（メタデータ） (2020-04-16T16:11:46Z)

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。