文件名称：DiffCompositing:使用可微合成 Siggraph Asia 2020 发现模式结构
文件大小：369KB
文件格式：ZIP
更新时间：2024-06-18 14:04:29
Python
使用可微合成发现模式结构 图案是按规则或接近规则排列的元素的集合，是一种重要的图形艺术形式，因其优雅的简洁性和美感而被广泛使用。 当图案被编码为没有底层结构的平面图像时，手动编辑图案既乏味又具有挑战性，因为必须同时保留单个元素的形状和它们的原始相对排列。 在像素级别运行的最先进的深度学习框架不适合操纵此类模式。 具体来说，这些方法很容易干扰单个元素的形状或其排列，从而无法保留输入模式的潜在结构。 我们提出了一种使用模式元素的新型可微合成算子，并使用它直接从原始模式图像中以图形对象的分层表示的形式发现结构。 这个算子允许我们适应当前基于深度学习的图像方法来有效地处理模式。 我们在一系列模式上评估我们的方法，并与最先进的基于像素或基于点的替代方案相比，在模式操作的背景下展示了优越性。 网站： : 我们提出了一个可微函数 F 来将一组离散元素合成为一个图案图像。 这直接将矢量图形与基于图像
【文件预览】：
DiffCompositing-master
----data()
--------pattern_127()
--------pattern_126()
--------pattern_115()
----DC()
--------__init__.py(0B)
--------constants.py(2KB)
--------utils.py(11KB)
--------config.py(2KB)
--------loss.py(938B)
--------compositing.py(3KB)
--------common.py(16KB)
--------optimization_l2.py(12KB)
--------sampling.py(3KB)
--------scales.py(7KB)
----README.md(3KB)