可微绘画与素描
本文提出了一种新的可微分渲染框架,可以使用可微分函数直接渲染彩色网格,并能够从各种图像表示形式中向网格顶点及其属性反馈高效监督信号,并通过实验,证明提出的渲染器可以在三维无监督单视图重建方面实现显著改善,并能够处理基于图像的形状拟合等具有挑战性的任务。
Apr, 2019
通过使用深度学习和程序合成技术将手绘图转化为 LaTeX 计算机图形程序的模型,包括提议可行的绘制基元的卷积神经网络和使用程序综合技术从跟踪中恢复计算机图形程序的模型。
Jul, 2017
借助 Diff3DS 框架,通过在 2D 图像域中计算的梯度,实现了 3D 草图的端到端优化。该框架可以用于文本到 3D 草图和图像到 3D 草图的生成任务,支持基于蒸馏的监督学习,如 Score Distillation Sampling (SDS)。大量实验证明了该框架的潜力和有望的结果。
May, 2024
通过揭示素描在扩散模型中的潜力,解决了生成人工智能直接素描控制的虚假承诺。我们巧妙地实现了专业素描生成精确图片的民主化过程,证实现有模型变形的空间限制性问题。为了纠正这个问题,我们提出了一种意识到抽象的框架,利用素描适配器,自适应时间步骤采样和经过预训练的精细化素描图像检索模型的辨别引导,协同工作以加强细粒度素描照片关联性。我们的方法在推理过程中无缝运行,无需文本提示;一张简单的草图就像你和我都可以创建的草图一样,就足够了!我们欢迎大家查看论文及其附加资料中展示的结果。贡献包括专业素描生成的民主化控制、引入意识到抽象的框架和利用辨别引导,通过大量实验证实。
Mar, 2024
本文提出了一种基于学习的方法,采用新的数据集进行轮廓图的生成和处理,可以精确定位视觉场景的轮廓和边界,相对于传统的边界检测方法有更好的性能表现,并且在 BSDS500 上取得了最新的性能成果。
Jan, 2019
通过使用神经绘画家创造了一种新颖的基于人工画家的可微分的图像生成方法,同时提出了新的内容损失的概念,允许艺术媒介自然地决定由神经绘画生成的样式。
Apr, 2019
本论文中,我们介绍了一种使用自然语言输入生成矢量手绘素描的创新算法 DiffSketcher,并使用预训练的图像扩散模型进行开发。
Jun, 2023
此论文介绍了一种从 3D 模型生成线描的学习方法。 在大量的众包比较中进行训练,实验证明该方法在绘制线描方面比现有技术取得了显著的进步,生成的线描与经验丰富的人类艺术家的作品相当。
Mar, 2020
该论文提出了一种新颖的图像转铅笔画的方法,可以产生高质量的铅笔素描并提供绘图过程;通过三个分支的引导,可以每次画一笔来制作铅笔素描;该方法在质地、样式和用户评估方面优于现有的铅笔素描算法。
Dec, 2020
本文针对人类无限制手绘素描建模,尝试将图标式手绘转化为更几何实际的物体轮廓,并分离显著的特征细节,以实现更好的对象匹配,最终提出了一种基于无监督图像风格转移模型的深度 FG-SBIR 模型,通过定量和定性评估,证明了其在风格转移和 FG-SBIR 方面优于现有方法。
Aug, 2018