艺术风格模拟,增强与迁移研究

来源 :浙江大学 | 被引量 : 0次 | 上传用户:zhe0731
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在计算机图形学领域中用计算机辅助生成艺术风格图像是一个重要研究方向,具体研究内容包括艺术风格绘制(即非真实感绘制),图像风格化,基于草图的艺术风格图像生成,交互图像美化等以及风格迁移等。本文在计算机辅助生成艺术风格图像研究中做了进一步的探索,主要包括以下三方面的工作:
  1.提出一种计算机模拟和生成流沙风格画的方法。该方法把生成流沙画风格的过程分为以下步骤,即流沙画初始化区域的生成,用户输入草图辅助和约束流沙画的模拟,使用物理模拟的方法来动态地模拟和生成流沙画风格动画,在模拟的过程中通过将场景中的沙粒进行分层来提高流沙画模拟计算的效率。用本文提出的方法可以模拟和生成包括山峦,河流以及云海的流沙画结果,亦可生成规则的艺术几何图案。
  2.提出一种添加水滴的照片艺术增强方法。该方法通过在照片或用户绘制的简单艺术造型图像中添加真实感的水滴来达到增强照片美感的目的。具体过程分为以下步骤,对输入照片场景中的环境光照强度进行估计,选取一张新的全景图作为环境贴图并调整它的亮度和颜色,用户根据审美要求输入三维水滴模型或基于笔刷生成的水滴模型,用调整过的环境贴图对水滴进行光照绘制并合成到输入的照片中。用该方法不仅可以增强输入照片的美感,也可以生成现实中没有的新颖,艺术视觉特效。
  3.提出一种3D模型纹理颜色风格迁移的方法。传统的3D模型纹理颜色调整主要依靠专业的3D美工手动完成。本文先设计一个语义级别的图像颜色迁移前馈网络,该网络比现有的基于优化的颜色转移方法快数百倍,然后提出一个3D模型纹理优化模块,它组合在多个视图中具有纹理坐标约束的颜色迁移结果,来生成无缝且连贯的3D模型纹理。本文的方法可以自动地将颜色从不同的参照图像迁移到3D模型上,以生成不同颜色风格的迁移结果。
  上述研究工作在广告设计,海报设计,包装设计,3D模型编辑,游戏开发,电影行业等领域中有广泛应用前景。
其他文献
图是计算机解决问题时采用的一种重要数据结构,它广泛应用于各种场景,在真实世界、社会关系和网络空间中随处可见。一方面,随着互联网的普及以及传感器和通信技术的进步,越来越多的数据以图的形式呈现出来;另一方面,人们越来越关注由对象与对象之间的关联性产生的复杂结构,而图正是研究和利用这些结构信息的重要工具。在这样的背景下,作为图中结构和语义信息的载体,图节点属性可扮演标签或特征的角色,赋能面向图的机器学习
知识图谱是一种简单有效的存储知识的方式,近年来许多开放域和垂直域的大型知识图谱被构建起来并得到了广泛的应用。知识表示和推理是人工智能研究中的重要课题,随着大数据时代的到来和计算能力的提升,原本符号化的知识表示和推理在逐渐向向量空间迁移,可以通过将知识元素映射到低维的向量空间中并基于向量空间的计算完成推理,这种基于向量空间计算的推理称为可微的推理,本文围绕可微的知识图谱推理及其应用展开研究。  可微
学位
行为识别的目的在于确定序列行为数据中任意时刻的行为模式,在智能感知、医疗健康、生物神经解码和人机交互等领域具有广泛应用价值。随着传感器及物联网等技术的发展、普及,行为数据体量越来越大、类别逐渐丰富、分布特性日益复杂,在有限成本内获得的人工标注数据相对于数据整体而言则越来越稀少、单一,因而基于经典监督学习的行为识别模型越来越容易过拟合。同时,随着传感技术的快速迭代更新和行为个体及应用需求的不断改变,
学位
使用有限元分析进行产品优化设计常常是一个多次迭代的过程,而且每一次迭代一般都需要重新进行十分耗时的有限元网格划分,以支持再分析,从而大大降低了产品再分析和优化设计的效率。为了显著提高产品优化设计和变动设计过程中再分析的效率,一种有效的解决方案是通过局部网格编辑而不是进行网格重生成,实现所需要的网格变动。然而,由于现有的少量六面体网格编辑方法仅能对六面体网格进行简单编辑,实现小幅变动,并且难以保证编
随着移动互联网通讯带宽增加和智能手机移动处理能力的增强,视频的创作与传播变得越来越方便,越来越多的视频被用户创作产生。为了有效利用海量视频资源,对其蕴含的丰富语义进行理解且检索是一个很有意义的研究内容。  传统的视频理解模型往往从预先定义的类别标签出发,基于属于该类别标签视频中的内容要素训练模板,进而完成语义识别任务。这种方式存在一定程度的局限性。对于预先定义类别标签中没有覆盖到的内容要素,该方法
建筑物外立面的语法解析与语义重建是计算机视觉中重要的问题之一。在地图重建、计算机辅助设计、电影与游戏的大规模城市生成中,这项技术有着重要的应用。高效而准确的建筑物解析系统可以节省大量的手工劳动力,实现高效的城市解析,进而通过语义重建系统,可以快速灵活地重建、生成大规模的三维城市模型。建筑物外立面的解析仍然是一个具有挑战性的难题,这是由建筑物外立面较为复杂的纹理结构、光照变化和遮挡等其他因素造成的。
随着硬件设备的发展,网络服务的普及以及社交媒体的兴起,每天都有海量视频数据被源源不断地生产出来,如何从这些视频中提取有价值的信息成为一个亟待解决的问题。作为一种新兴技术手段,视频问答能够基于问题针对性地提供视频中包含的各类物体和动作等诸多相关信息,其不仅可以提升信息提取的效率,而且拥有广泛的应用场景。视频问答主要涉及到文本信息理解,视频信息理解以及两者之间的交互,其中文本信息理解的算法发展较为成熟
学位
作为计算机视觉的基础核心研究问题之一,目标跟踪算法旨在对连续视频序列中的给定物体目标进行自动化跟踪并标注其对应的位置状态。在无人车驾驶、视频监控、视频编辑、机器人视觉等领域中,目标跟踪算法都扮演着至关重要的角色。一直以来,研究者们从不同角度出发提出了各种算法用以解决一系列问题,其中包括环境复杂问题、光照变化问题、遮挡问题以及物体变形问题等等。近年来,通过协滤波器、深度学习特征提取和孪生网络等技术的
随着信息网络技术的不断进步,近年来人们已经能够在丰富的场景中见到各式各样的物联网产品,比如工业物联网和家居物联网产品等。据国际知名科技咨询机构Gartner预测,到2025年,全球物联网设备的连接数将达到416亿。不同的物联网设备因其不同的通信需求,使用了不同的无线协议。此时,不同的无线协议将同时运行,这被称为无线跨协议的场景。这些同时运行的无线协议,如果运行的载波频率一致,且未被进行合理的协同时
网络是一种常见的用于描述实体关系的数据形式,许多真实数据都可以用网络的形式表示,例如社交网络,生物信息网络,电力网络等。分析和挖掘网络数据可以帮助理解实体之间的潜在关系和规律,并在人类生活和生产环境中发挥积极作用。传统的网络数据通常以邻接矩阵的形式表示,随着数据量的增大,真实的邻接矩阵往往是高维稀疏的。这对下游应用场景将带来计算复杂度高以及难以端到端融合的困难。为了解决这个问题,网络表示学习在最近