演进的三维抽象艺术:通过语言匹配概念
本文介绍了一种民主化的三维内容创作方法,能够通过抽象的草图精确生成三维形状,同时克服与绘画技巧相关的限制。我们引入了一种新颖的部分水平建模和对齐框架,促进了抽象建模和跨模式对应关系。利用相同的部分水平解码器,我们的方法能够无缝地扩展到草图建模,通过建立 CLIPasso 边缘地图和投影的三维部分区域之间的对应关系,消除了人类草图和三维形状配对数据集的需求。此外,我们的方法通过交叉模式的部分对齐建模产生了一种无缝的位置调整过程。在低维隐含空间中运作,我们的方法显著降低了计算需求和处理时间。
Dec, 2023
本文讨论了如何通过使用自动适应函数在进化艺术和设计算法中去除人为干预,提高计算机生成的艺术和设计的创造性和人性化,以达到创新性的目的,并提出了使用二代适应函数进化达尔文的抽象肖像作为示例,从而展示人工智能在艺术创作领域的应用前景。
Jan, 2010
通过语义感知的计算机视觉技术,将艺术作品转化为照片般写实的图像,降低了艺术数据与真实数据的视觉差距,并取得了分类、检测和分割任务的表现优化。
Nov, 2018
大规模文本到图像扩散模型的最新进展在文本到三维生成领域取得了重大突破,仅通过给定的文本提示从零开始创作三维内容。然而,现有的文本到三维技术在创作过程中缺乏一项关键能力:根据用户的需求规范(如草图)对合成的三维内容进行交互式控制和塑造。为了解决这个问题,我们首次尝试在条件上添加手绘草图的文本到三维生成,即 Control3D,以增强用户的可控性。具体而言,我们通过改进的 2D 条件扩散模型(ControlNet)来引导作为 NeRF 参数化的三维场景的学习,以使每个三维场景视角与给定的文本提示和手绘草图对齐。此外,我们利用预训练的可微分照片到草图模型直接估计合成三维场景上渲染图像的草图。此类估计的草图以及每个采样视角进一步被强制与给定的草图在几何上保持一致,从而实现了更好的可控文本到三维生成。通过广泛的实验证明,我们的提议可以生成与输入的文本提示和草图紧密对齐的准确忠实的三维场景。
Nov, 2023
针对元宇宙的影响,我们进行计算艺术的全面研究,调查了建筑元素,虚拟场景和虚拟人物,声音音频,文字,以及新颖艺术等 7 个关键主题,而引入了几个新的创作类型和用户中心的方法来推动当代创造力的发展,同时也提出了计算艺术,数字隐私与安全,数字艺术品的所有权认定,科技挑战等几个研究方向,这对于艺术家和元宇宙技术人员开展超现实主义虚拟创作提供了入门材料。
Nov, 2021
本文介绍了一种通过将二维卡通图片转换为三维卡通模型的算法,其是基于内在变形表示和优化模型构建而成,可以在不需要制作复杂的三维卡通训练集的前提下,通过标准人脸数据集自动捕捉二维卡通图片的风格,并具有比其他直接使用传统参数化人脸模型如三维面部模型和 FaceWareHouse 等拟合方法更好地表现出卡通形象的能力。
Mar, 2018
我们提出了一种新颖的方法,用于艺术图像中几何抽象和纹理的交互控制。通过空间分解输入图像的形状和高频细节的参数化表示,实现对颜色和纹理的独立控制。所提出的形状和纹理的解耦使得可以进行多种风格编辑,包括形状、笔触和绘画属性等的全局和局部互动调整。此外,我们还展示了在参数空间中使用参考图像和文本提示进行基于优化的纹理风格迁移,以及用于实时纹理分解的单一和任意风格参数预测网络的训练。
Jul, 2023
基于扩散的文本到图像模型引起了视觉社区、艺术家和内容创作者的极大关注。通过将预训练的 2D 扩散模型和标准的 3D 神经辐射场作为独立的工具结合起来,我们展示了它们在非学习的方式上相互配合的能力。
Sep, 2023
该研究探索了使用生成对抗网络在三维空间中进行图像合成的可能性,并提出了一种无监督的方法,可从原始图像中解开简单场景的隐含三维因素。与纯二维基线相比,该方法允许合成与视角或物体姿势变化一致的场景,可用于实现 3D 可控图像合成,生成具有可解释性的表示形式。
Dec, 2019