論文の概要: Painting Change Map as guidance for generating painting processes

• arxiv url: http://arxiv.org/abs/2610.25369v1
• Date: Sun, 18 Oct 2026 16:15:14 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:37:38.535481
• Title: Painting Change Map as guidance for generating painting processes
• Title（参考訳）: 絵画制作の指針としての絵画変化図
• Abstract要約: デジタルアート生成は、静的画像合成から人間の絵を描く過程を模倣できるダイナミックビデオ生成へと、大きなパラダイムシフトを経験してきた。 既存のモデルは、制作された絵画の視覚的に素晴らしいタイムラプスを合成できるが、創造的なプロセスはブラックボックスとして扱う。 本研究では,1000段階連続体における正規化構造変化を明示的に追跡する新しい時間的制御機構を提案する。
• 参考スコア（独自算出の注目度）: 48.35034991048974
• License:
• Abstract: Digital art generation has undergone a massive paradigm shift, moving from static image synthesis to dynamic video generation that can mimic the human painting process. While existing models can synthesize visually stunning time-lapses of paintings being created or "unpainted," they largely treat the creative process as a black box. Current conditioning mechanisms are either too rigid, relying on static geometric cues like Canny edges or depth maps, or too holistic, utilizing simple scalar progress variables that offer no localized control. Consequently, users lack the agency to steer how a painting evolves over time. In this work, we argue that true control over the video generation of artwork requires a joint understanding of two fundamental dimensions: where an artist acts, and when those actions take place. To achieve this, we introduce the Painting Change Map, a novel spatio-temporal control mechanism that explicitly tracks normalized structural changes across a 1,000-timestep continuum, a resolution sufficient to capture fine-grained stroke-level changes while remaining computationally tractable. By mapping localized visual differences into an encoded RGB space, our representation enables fine-grained guidance for both the forward painting and reverse unpainting processes. Extensive benchmarking demonstrates the efficacy of our approach. We outperform existing control baselines and achieve competitive or superior results compared to state-of-the-art painting methods. Furthermore, under oracle conditions, our method surpasses all baselines by a significant margin. Code is available at https://github.com/Markus-Pobitzer/painting-change-map.
• Abstract（参考訳）: デジタルアート生成は、静的画像合成から人間の絵を描く過程を模倣できるダイナミックビデオ生成へと、大きなパラダイムシフトを経験してきた。 既存のモデルは、制作された絵画の視覚的に素晴らしいタイムラプスを合成できるが、創造的な過程をブラックボックスとして扱う。 現在の条件付けメカニズムは厳密すぎるか、Cannyエッジや深さマップのような静的な幾何学的キューに依存しているか、あるいは局所的な制御を提供しない単純なスカラー進行変数を多用している。 その結果、ユーザーは時間とともに絵がどう進化するかを判断するエージェンシーが欠如している。 本研究では,映像生成の真の制御には,アーティストの行動の場と,その行動のタイミングという,2つの基本的な側面を共同で理解する必要がある,と論じる。 これを実現するために,1000段階連続体における正規化構造変化を明示的に追跡する新しい時空間制御機構であるPainting Change Mapを導入する。 ローカライズされた視覚差分を符号化されたRGB空間にマッピングすることにより、この表現は、フォワードペイントとリバース・アンペイントのプロセスの両方に対するきめ細かいガイダンスを可能にする。 大規模なベンチマークは、我々のアプローチの有効性を示す。 我々は既存の制御ベースラインを上回り、最先端の塗装法と比較して、競争力や優れた結果を得る。 さらに,オラクル条件下では,本手法はすべての基準線を有意差で越えている。 コードはhttps://github.com/Markus-Pobitzer/painting-change-mapで入手できる。

関連論文リスト

• 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)
• InstaInpaint: Instant 3D-Scene Inpainting with Masked Large Reconstruction Model [46.67494008720215]
  InstaInpaintは、0.4秒以内に2Dインペイントの提案から3Dシーンのインペイントを生成するフレームワークである。 一般化, テクスチュラル整合性, 幾何学的正当性を改善するいくつかの重要な設計を解析し, 同定する。 InstaInpaintは、2つの標準ベンチマークで最先端のパフォーマンスを維持しながら、従来の方法から1000倍のスピードアップを実現している。
  論文  参考訳（メタデータ） (2025-06-12T17:59:55Z)
• Segmentation-Based Parametric Painting [22.967620358813214]
  本研究では,人間のような質とスタイルのバリエーションを持つ大規模で高忠実な絵画の作成を容易にする,新しい画像から絵画へのアプローチを提案する。 我々は,人間の絵画戦略に触発されたセグメンテーションに基づく絵画プロセスとダイナミックアテンションマップアプローチを導入する。 最適化されたバッチ処理とパッチベースの損失フレームワークは、大きなキャンバスの効率的な処理を可能にします。
  論文  参考訳（メタデータ） (2023-11-24T04:15:10Z)
• 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)
• Cylin-Painting: Seamless {360\textdegree} Panoramic Image Outpainting and Beyond [136.18504104345453]
  塗り絵と塗り絵の間に有意義な協調関係を持つキリン塗り絵の枠組みを提示する。 提案アルゴリズムは、オブジェクト検出、深さ推定、画像超解像などの他のパノラマ視覚タスクに効果的に拡張できる。
  論文  参考訳（メタデータ） (2022-04-18T21:18:49Z)

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。