传统东方风景画的场景深度估计
我们使用轮廓检测来解决自然景观场景中缺乏强边缘的问题,该方法能够检测出主导消失点和相关线结构,以实现对线性透视在风景摄影中的自动理解。我们的方法明显优于最先进的方法,并通过一种新颖的视点特定图像检索系统,进一步展示了我们的线性透视理解方法如何为业余摄影师提供现场指导。
Aug, 2016
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
使用CLIP方法训练神经网络, 实现了自由形式的艺术品描述和精细标签的学习,在计算机视觉和艺术品属性识别中具有较高实用价值,以iMet数据集为基础,使用自监督学习获得了有竞争力的结果。
Apr, 2022
本文介绍了一种基于Deep Image Prior算法的图像修复方法,该方法对于数字人文领域中古老壁画的修复效果优于基于变分/PDEs和基于块的方法。作者通过将修复数据引入到一个未经过训练的卷积神经网络中,利用可靠信息匹配来完成修复。作为案例研究,作者将这种方法应用于地中海阿尔卑斯山区几个小教堂内高度损坏的中世纪画作的图像修复,并提供了详细描述。
Jun, 2023
我们介绍了一种新颖的图像到绘画的方法,它能够以人类般的质量和风格变化创造大规模、高保真度的绘画作品。通过引入基于分割的绘画过程和受人类绘画策略启发的动态注意力地图方法,我们可以处理大尺寸的图像并对绘画过程进行控制,从而在不同图像区域上进行刷画优化,捕捉到大尺度的结构和细节,同时也允许对细节进行风格控制。我们优化的批处理和基于补丁的损失框架实现了对大画布的高效处理,确保我们的绘画作品在审美上具有吸引力,并在功能上优于以前的方法,经过了严格的评估。可在以下网址找到代码:this https URL
Nov, 2023
通過修改現有的兩種方法(CAR,HINet),我們在數碼化的敦煌石窟壁畫上實現了成功的壁畫修復和增強,其中一種方法(HINet)超過了敦煌挑戰的第一名,而我們結合的方法(ARIN)在噪聲方面表現出色,與第一名相媲美。
Feb, 2024
提出了DLP-GAN,一种基于不对称循环映射的跨域图像转换框架,引入了一个基于密集融合模块的生成器以匹配不同的转换方向,并提出了一种双一致性损失用于平衡模型画作的真实感和抽象性,实现了现代意义上的山水照片和素描绘制。通过与其他基准方法比较,基于我们的现代山水和素描数据集,进行了大量实验证明我们的模型优于现有方法。
Mar, 2024
将真实照片转化为传统的中国水墨画的问题,提出了将显著性检测结合到无配对图像翻译模型中以规范生成画作的内容信息,实验证明该方法在中国水墨画风格转换方面具有优越性。
Apr, 2024
本研究探讨了自动艺术作品分析中的知识缺口,提出了以大型多模态模型为基础的全面绘画分析方法。通过引入一个包含19,000幅画作和50,000段分析文本的数据集,研究者开发了GalleryGPT模型,显著提升了艺术分析的表现能力,展现了其在该领域的潜在影响。
Aug, 2024