Jul, 2023

流向引导的可控线描生成

PDF
TL;DR本文提出了一种基于人工智能和艺术的 Vector Flow Aware 和 Line Controllable 的图像到图像翻译架构，通过所设计的 Double Flow Generator 架构和 Line Control Matrix 与 Line Control Regressor 模块，以及 Fourier Transformation Loss 的约束方式，成功实现了从照片中自动生成具有可控粗细、流畅度、连续性等特点的高分辨率角色线条绘制图像。
发现论文，激发创造
  • 向量流和灰度引导的素描生成

    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

  • 神经轮廓：从 3D 形状中学习绘制线条

    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

  • 来自照片的可控制铅笔插图

    本文提出一种高质量的照片转铅笔图像翻译方法，并通过双分支模型实现绘画风格的精细控制、创建用户可控制的不同铅笔风格以及通过图像滤波技术提取干净的笔画和根据手工标记的绘画样式生成训练数据对。实验结果表明，与现有方法相比，该方法在图像质量、多样性和用户评估方面表现优异。

    Mar, 2019

  • 静态图像中流体元素的可控动画

    本文提出一种交互式控制静态图像中流体元素动画制作生成 cinemagraphs 的方法，通过允许用户提供方向、速度和蒙版等信息生成密集的光流图，进而使用生成对抗网络和 UNet 模型进行流畅的动画帧生成，取得了优于基线的质量和量化指标。

    Dec, 2021

  • 学习生成传达几何和语义的线描

    该文章提出一种从照片中创建线条图的无配对方法，该方法结合了几何和语义信息并使用了图像翻译和损失函数来创建场景信息和 3D 形状的编码。

    Mar, 2022

  • Calliffusion：使用扩散模型实现的汉字书法生成和风格转移

    本文提出了 Calliffusion 系统，采用扩散模型生成高质量的中文书法，实现了五种不同字形和著名书法家风格模拟，实验证明，模型生成的书法难以与真实艺术品区分，并使用 LoRA 进行单张迁移学习，将中文书法艺术风格转移到未知字符、甚至英文字母和数字。

    May, 2023

  • 动态线性流生成模型

    本文介绍了一种新型动态线性流方法（DLF），该方法结合了流式建模的高效性与自回归建模的高密度性能，可用于生成复杂分布，并在 ImageNet 数据集上取得了最新的最佳性能结果。

    May, 2019

  • 可控的文本到三维生成：面对齐的高斯扩散

    本研究主要关注在控制性文本生成 3D 场景方面的多视图控制网络架构，该网络结合额外的输入条件，如边缘、深度、法线和素描图，使用局部和全局嵌入来控制基础扩散模型，并通过优化实现 3D 生成，最终实现了高质量、可控的 3D 内容的生成。

    Mar, 2024

  • 引导式流生成建模与决策

    使用非分类器引导的流匹配模型在条件图像生成和语音合成方面显著改善了样本质量，而且在计算量极低的情况下不会影响智能体的总体性能。

    Nov, 2023

  • 可控图像翻译的统一生成对抗网络

    该研究提出了一种基于生成对抗网络的统一方法，实现可以由可控的结构来指导的多种图像转换任务，包括手势转换和跨视角图像转换，其性能显著优于其他基于深度学习的方法

    Dec, 2019