論文の概要: PhotoGuider: Composition-Aware Cropping and 360$^{\circ}$ View Framing with Explainable Photographic Assessments
- arxiv url: http://arxiv.org/abs/2611.02897v1
- Date: Mon, 02 Nov 2026 10:31:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:57.698847
- Title: PhotoGuider: Composition-Aware Cropping and 360$^{\circ}$ View Framing with Explainable Photographic Assessments
- Title（参考訳）: PhotoGuider: 合成対応クロッピングと360$^{\circ}$ View Framing with Explainable Photographic Assessments
- Abstract要約: PhotoGuiderは、1組の合成認識機能に対して、コンパクトな学習スコアラーで質問に答える測度列の手法である。
PhotoGuiderは、360$$のパノラマで明示的な合成に基づく方向選択と精巧なフレーミングを組み合わせた最初の方法である。
- 参考スコア（独自算出の注目度）: 13.584237289187302
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traditional image cropping assumes the photograph already contains the composition worth keeping, and asks only where to crop. A full 360$^{\circ}$ scene offers no such guarantee: the viewing direction in a scene has to be discovered before anything can be framed. We present PhotoGuider, a measure-then-frame method that answers both questions with compact learned scorers over one shared set of composition-aware features. The designed features are extracted using foundation and task-specific vision models and structured into four photographic tokens: Subject, Composition, Aesthetics, and Integrity. Our MLLM explainer is fine-tuned to generate composition-related explanations conditioned on images and measured token assessments. To our knowledge, PhotoGuider is the first method to combine explicit composition-based direction selection in 360$^{\circ}$ panoramas with refined framing, camera-parameter output for native re-rendering, and measurement-conditioned explanations. On two standard 2D cropping benchmarks, PhotoGuider achieves the highest average mIoU performance against ground-truth crops. In a blind ranking study, 120 participants ranked three cropping methods over 100 panoramic scenes from the public Poly Haven HDRI library, placing our framings first in 53.2% of cases, against 27.3% and 19.5% for two strong alternatives. Project page: https://ntuneillee.github.io/research/photoguider/
- Abstract（参考訳）: 伝統的な画像トリミングは、写真が保持に値する構成を含んでいると仮定し、どこで収穫するかだけを問う。
360$^{\circ}$ sceneはそのような保証を提供していない。
本稿では,1組の合成認識機能に対して,コンパクトな学習スコアラーを用いて両問に答える測度列の手法であるPhotoGuiderを提案する。
デザインされた特徴は、基礎とタスク固有の視覚モデルを用いて抽出され、4つの写真トークン(主題、構成、美学、統合性)で構成されている。
MLLM説明器は、画像に条件付けされた合成関連説明と計測トークン評価を生成するように微調整されている。
われわれの知る限り、PhotoGuiderは360$^{\circ}$ panoramasにおける明示的な合成に基づく方向選択を、フレーミング、ネイティブリレンダリングのためのカメラパラメータ出力、測定条件付き説明と組み合わせる最初の方法である。
2つの標準的な2Dクロップのベンチマークで、PhotoGuiderは地上の作物に対して平均mIoUのパフォーマンスを達成している。
ブラインドランキング調査では、120人の参加者が公共のPoly Haven HDRIライブラリーからパノラマシーン100枚以上の3つの作付け手法をランク付けし、53.2%のケースで私たちのフレーミングを、27.3%と19.5%の2つの強力な代替案で評価した。
プロジェクトページ: https://ntuneillee.github.io/research/photoguider/
関連論文リスト
- ShotCrop$^3$: Cropping Human-Centric Images into Cinematic Triple-Shot Compositions [26.108311837437583]
textbfTriple-Shot compositions (TSC) は、単一の人中心画像から3ショットセットを生成する合成タスクである。
TSCを専門的なアノテーションで学習するために,3段階のトレーニングプロセスを行う textbfShotCrop を導入する。
ShotCropは、ショットローカライゼーション精度において、GPT-5よりもtextbf2.82倍の平均的な改善を実現している。
論文 参考訳（メタデータ） (2026-06-04T03:01:12Z) - 360Anything: Geometry-Free Lifting of Images and Videos to 360° [51.50120114305155]
既存のアプローチは、パースペクティブと等方射影空間の間の明示的な幾何学的アライメントに依存している。
事前学習した拡散変換器上に構築された幾何学的自由度フレームワークである360Anythingを提案する。
提案手法は,映像と映像の視点-360生成における最先端性能を実現する。
論文 参考訳（メタデータ） (2026-01-22T18:45:59Z) - Personalized Image Filter: Mastering Your Photographic Style [57.83973633106558]
生成先行により、PIFは写真の概念の平均的な外観を学ぶことができる。
PIFは、様々な種類の写真スタイルを抽出し、転送する際、優れた性能を示す。
論文 参考訳（メタデータ） (2025-10-19T11:03:21Z) - Preserve Anything: Controllable Image Synthesis with Object Preservation [21.13266979981097]
textitPreserve Anythingは、制御された画像合成のための新しい方法である。
i)オブジェクトの保存とサイズと配置、色と詳細の保持、およびアーティファクトの除去を統合する。
最先端のパフォーマンスを実現し、特徴空間の忠実性とセマンティックアライメントを大幅に改善する。
論文 参考訳（メタデータ） (2025-06-27T14:39:21Z) - Towards Smart Point-and-Shoot Photography [16.192062592740154]
われわれは、ユーザーが良い写真を撮れるためのSPASシステムについて紹介する。
我々のSPASは、カメラのポーズを自動的に調整することで、ユーザーがシーンのよい写真を作るのを助けることを提案する。
公開画像合成データセットを用いてSPASシステムの性能を実証する。
論文 参考訳（メタデータ） (2025-05-06T15:40:14Z) - All Seeds Are Not Equal: Enhancing Compositional Text-to-Image Generation with Reliable Random Seeds [63.753710512888965]
テキスト間拡散モデルは任意のテキストプロンプトからリアルな画像を生成することができる。
彼らはしばしば「2匹の犬」や「ボウルの右側のペンギン」のような作曲のプロンプトに対して矛盾した結果を出す。
論文 参考訳（メタデータ） (2024-11-27T23:32:54Z) - Neural Radiance Fields for Outdoor Scene Relighting [70.97747511934705]
ニューラルラジアンス場に基づく屋外シーンライティングのための最初のアプローチであるNeRF-OSRを提案する。
従来の技術とは対照的に,本手法はシーン照明とカメラ視点の同時編集を可能にする。
シャドウ再現のための専用ネットワークも備えており、高品質の屋外照明に欠かせない。
論文 参考訳（メタデータ） (2021-12-09T18:59:56Z) - Camera View Adjustment Prediction for Improving Image Composition [14.541539156817045]
本稿では、撮影前にカメラビューの調整方法について、カメラマンに提案する深層学習に基づくアプローチを提案する。
写真が撮られる前に合成を最適化することで、撮影者がより良い写真を撮れるようになる。
論文 参考訳（メタデータ） (2021-04-15T17:18:31Z) - Bridging Composite and Real: Towards End-to-end Deep Image Matting [88.79857806542006]
画像マッチングにおける意味論と細部の役割について検討する。
本稿では,共有エンコーダと2つの分離デコーダを用いた新しいGlance and Focus Matting Network(GFM)を提案する。
総合的な実証研究により、GFMは最先端の手法より優れていることが示されている。
論文 参考訳（メタデータ） (2020-10-30T10:57:13Z)
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。