論文の概要: SketchDirector: Complex Scene Sketching via Agentic Layout Reasoning and Detail Refinement

• arxiv url: http://arxiv.org/abs/2610.41260v1
• Date: Fri, 30 Oct 2026 05:05:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.617711
• Title: SketchDirector: Complex Scene Sketching via Agentic Layout Reasoning and Detail Refinement
• Title（参考訳）: SketchDirector: エージェントレイアウト推論と詳細リファインメントによる複雑なシーンスケッチ
• Abstract要約: SketchDirectorは、自動マルチコンセプトシーンスケッチのための人間のスケッチワークフローを模倣するエージェントフレームワークである。 まず、シーンを複数のドラフトアセットに分解するために大きな言語モデル(LLM)を使用し、それぞれがベジエ曲線の集合で表される。 エージェント推論ループは、自己進化記憶によって導かれる空間配置を反復的に計画して実行する。
• 参考スコア（独自算出の注目度）: 24.29231999036099
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Existing sketch generation methods often rely on image guidance and are largely limited to individual objects or simplified scenes, leaving text-guided complex scene sketching underexplored. We present SketchDirector, an agentic framework that mimics the human sketching workflow for automatic multi-concept scene sketching. Given a scene-level text prompt, SketchDirector first employs a large language model~(LLM) to decompose the scene into multiple draft assets, where each is represented by a set of Bézier curves. Then, an agentic reasoning loop iteratively plans and executes their spatial arrangement, guided by self-evolving memory. Finally, a detail refinement module leverages diffusion priors to enhance sketch quality while preserving geometric structure. To support future research and applications in multi-concept scene sketch generation, we further introduce the \textit{MCSketch8K} dataset, comprising editable vector assets, compositional layouts, and object-level manipulation annotations. Extensive experiments show that SketchDirector outperforms state-of-the-art baselines in semantic and compositional quality while effectively preserving overall contour organization during refinement. The project page is: \href{https://yiki77.github.io/SketchDirector/}{https://yiki77.github.io/SketchDirector/}.
• Abstract（参考訳）: 既存のスケッチ生成手法はしばしば画像誘導に依存しており、主に個々のオブジェクトや単純化されたシーンに限られており、テキスト誘導された複雑なスケッチは未探索のままである。 自動マルチコンセプトシーンスケッチのためのヒューマンスケッチワークフローを模倣するエージェントフレームワークであるSketchDirectorを提案する。 シーンレベルのテキストプロンプトを与えられたSketchDirectorは、まず大きな言語モデル~(LLM)を使用して、シーンを複数のドラフトアセットに分解する。 そして、エージェント推論ループは、自己進化記憶によって誘導される空間配置を反復的に計画して実行する。 最後に、ディテールリファインメントモジュールは拡散先行を利用して、幾何学的構造を保ちながらスケッチ品質を向上させる。 マルチコンセプトシーンのスケッチ生成における将来の研究と応用を支援するため,編集可能なベクトル資産,構成レイアウト,オブジェクトレベルのアノテーションを含む \textit{MCSketch8K} データセットについても紹介する。 大規模な実験により、SketchDirectorは意味的および構成的品質において最先端のベースラインを上回り、洗練中の全体的な輪郭組織を効果的に保存することを示した。 プロジェクトページは以下の通りである。 \href{https://yiki77.github.io/SketchDirector/}{https://yiki77.github.io/SketchDirector/}。

関連論文リスト

• Multi-Level Conditioning by Pairing Localized Text and Sketch for Fashion Image Generation [14.962452069195544]
  マルチレベルガイダンス(LOTS)を用いたローカライズテキストとスケッチを提案する。 LOTSは、グローバルスケッチガイダンスと複数のローカライズドスケッチテキストペアを組み合わせる。 画像毎に複数のテキスト-スケッチペアが提供される最初のファッションデータセットであるSketchyを開発する。
  論文  参考訳（メタデータ） (2026-02-20T16:07:31Z)
• VideoSketcher: Video Models Prior Enable Versatile Sequential Sketch Generation [73.23035143627598]
  ほとんどの生成モデルはスケッチを静的なイメージとして扱い、創造的な描画の根底にある時間構造を見渡す。 本稿では,事前学習したテキスト・ビデオ拡散モデルに適応した逐次スケッチ生成のためのデータ効率のよい手法を提案する。 本手法は,テキスト指定順序を忠実に追従する高品質なスケッチを生成するとともに,リッチな視覚的ディテールを示す。
  論文  参考訳（メタデータ） (2026-02-17T18:55:03Z)
• Instance Segmentation of Scene Sketches Using Natural Image Priors [30.518717641778753]
  InkLayerはシーンスケッチの例分割のための手法である。 提案手法は,クラスに依存しない微調整を用いて,最先端の画像セグメント化とオブジェクト検出モデルをスケッチ領域に適用する。 提案手法は,スケッチを分類層に整理し,隠蔽されたインスタンスを塗布し,高度なスケッチ編集アプリケーションを可能にする。
  論文  参考訳（メタデータ） (2025-02-13T18:56:05Z)
• SketchTriplet: Self-Supervised Scenarized Sketch-Text-Image Triplet Generation [6.39528707908268]
  シーンスケッチ用の大規模なペアデータセットは引き続き欠如している。 本稿では,既存のシーンスケッチに依存しないシーンスケッチ生成のための自己教師型手法を提案する。 シーンスケッチを中心にした大規模なデータセットをコントリビュートし、セマンティックに一貫した「テキスト・スケッチ・イメージ」三つ子を含む。
  論文  参考訳（メタデータ） (2024-05-29T06:43:49Z)
• Bridging the Gap: Sketch-Aware Interpolation Network for High-Quality Animation Sketch Inbetweening [58.09847349781176]
  我々は,新しい深層学習手法であるSketch-Aware Interpolation Network (SAIN)を提案する。 このアプローチには、領域レベルの対応、ストロークレベルの対応、ピクセルレベルのダイナミクスを定式化するマルチレベルガイダンスが組み込まれている。 マルチストリームのU-Transformerは、自己/クロスアテンション機構の統合により、これらのマルチレベルガイドを使用して、スケッチ間のインテンションパターンを特徴付けるように設計されている。
  論文  参考訳（メタデータ） (2023-08-25T09:51:03Z)
• Abstracting Sketches through Simple Primitives [53.04827416243121]
  人間は、オブジェクト情報を素早く通信する必要があるゲームにおいて、高いレベルの抽象化能力を示す。 本稿では,プリミティブをベースとしたスケッチ抽象化タスクを提案する。 我々のPrimitive-Matching Network(PMN)は、スケッチの解釈可能な抽象化を自己管理的に学習する。
  論文  参考訳（メタデータ） (2022-07-27T14:32:39Z)
• FS-COCO: Towards Understanding of Freehand Sketches of Common Objects in Context [112.07988211268612]
  フリーハンドシーンスケッチの最初のデータセットであるFS-COCOを用いてスケッチ研究を進めた。 本データセットは,100名の非専門家による1点あたりの時空間情報付きフリーハンドシーンベクトルスケッチからなる。 フリーハンドシーンのスケッチやスケッチのキャプションからきめ細かい画像検索の問題が初めて研究された。
  論文  参考訳（メタデータ） (2022-03-04T03:00:51Z)
• 3D Sketch-aware Semantic Scene Completion via Semi-supervised Structure Prior [50.73148041205675]
  セマンティック・シーン・コンプリート(SSC)タスクの目標は、単一視点で観察することで、ボリューム占有率とシーン内のオブジェクトの意味ラベルの完全な3Dボクセル表現を同時に予測することである。 低解像度のボクセル表現で深度情報を埋め込む新しい幾何学的手法を提案する。 提案手法は,SSCフレームワークからの深度特徴学習よりも有効である。
  論文  参考訳（メタデータ） (2020-03-31T09:33:46Z)

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。