ECCVJul, 2020

图像生成和编辑的艺术工作流建模

PDF
TL;DR提出了遵循艺术工作流程的生成模型，能够进行多阶段图像生成和编辑，引入了一种基于学习的正则化优化过程以确保编辑后的图像与原始图像紧密一致，并通过三个不同艺术数据集的定量和定性实验验证了该框架在图像生成和编辑任务上的有效性。
artistic workflowgenerative modelmulti-stage image generationmulti-stage image editingoptimization process
发现论文，激发创造
  • 学习模拟编辑过程

    本文提出了一种通过多步编辑的方式，建立生成序列的生成模型，以及训练该模型的神经网络，并基于多步编辑提出了基础结果和度量标准。实验结果表明，所提出的模型在相关下游任务上的表现优于以往单步编辑模型的表现。

    May, 2022

  • 面向算法绘画的创意过程建模

    本文提出了一个基于人类创意实践的艺术画作算法计算模型框架，包括不确定的高层目标，发现新想法的探索过程以及迭代式的绘画过程等。

    May, 2022

  • 迭代生成过程的组合塑造

    我们提出了一种名为 Compositional Sculpting 的方法，用于定义迭代生成过程的组合，通过分类器指导实现了采样，展示了在 GFlowNets 和扩散模型中实现组成塑造的方法，并提供了在图像和分子生成任务上的实证结果。

    Sep, 2023

  • Sketch-to-Art: 从草图中合成风格化的艺术图像

    该论文提出了一个基于 GAN 框架的新方法，用于从简笔画和风格参考图像中合成带有颜色和纹理的详细艺术风格图像；该方法采用了双重遮罩机制、特征映射转换技术以及反实例标准化过程等模块，以增强风格一致性和内容约束，并取得了显著的合成性能提升。

    Feb, 2020

  • 基于文本的图像和形状编辑与生成：短期调研

    本文介绍了最新的文本引导下的图像和形状生成技术，包括生成逼真图像、艺术品和人体姿态，从文本描述自动填充图像和形状等。共概述了 50 份论文，并提出了一些研究思路。

    Apr, 2023

  • 基于人类审美偏好的大型文本到图像模型个性化：以康定斯基生成为例

    使用神经生成能力和感知注入技术，本研究提出了一种无需提示的生成方法，使用户能够自动生成个性化的具有自定义艺术风格的画作内容。

    Feb, 2024

  • ProcessPainter: 从序列数据中学习绘画过程

    通过合成数据预训练，在一组艺术家的绘画序列的细微调整下进行微调的文本到视频模型 ProcessPainter 首次成功地从文本提示生成了绘画过程。此外，引入了 Artwork Replication Network，能接受任意帧输入，促进了绘画过程的可控生成和艺术品的复制。本文提供了推动艺术教育和图像生成技术发展的新视角和工具。

    Jun, 2024

  • 语义绘图工程用于文本到图像的生成

    通过生成对抗网络（GAN）或变压器模型进行文本到图像生成。提出了一种方法，利用人工智能模型进行主题创造，并对实际绘画过程进行分类建模。通过将所有视觉元素转化为可量化的数据结构来创建图像，并与现有的图像生成算法进行语义准确性、图像可复现性和计算效率方面的有效性评估。

    Dec, 2023

  • 一种神经风格艺术算法

    通过使用深度神经网络对任意图像的内容和风格进行分离和重组，我们引入了一种人工系统，为艺术形象的创作提供了神经算法，并且在视觉感知的其他关键领域中的近乎人类性能展示了深度神经网络模型的类生物启发式视觉模型的特定任务的卓越表现的显着相似之处，为人类创作和感知艺术意象的算法理解提供了一条前进的路径。

    Aug, 2015

  • CreativeSynth：基于多模态扩散的视觉艺术创作与综合

    通过创新的统一框架 CreativeSynth，将基于扩散模型的多模态输入协调和多任务合作引入艺术图像生成领域，以实现真实世界语义内容的逆向和实时样式转移，精确操纵图像样式和内容，同时保持原始模型参数的完整性，旨在提升艺术图像的保真度和保持其固有美学精髓，弥合生成模型与艺术精妙之间的差距，成为定制数字调色板。

    Jan, 2024