KAUST、大規模な不均一テクスチャをより高精度に生成するGANを用いたテクスチャ合成技術「TileGAN」発表。インタラクティブに部分変更も可能

KAUSTによる研究チームは、大規模な不均一テクスチャをより高精度に生成する敵対的生成ネットワークGAN(generative adversarial network)を用いたテクスチャ合成技術「TileGAN」を発表しました。

論文:TileGAN: Synthesis of Large-Scale Non-Homogeneous Textures

Anna Frühstück(KAUST)
Ibraheem Alhashim(KAUST)
Peter Wonka(KAUST)

本論文は、大規模なテクスチャを生成するGANを用いたテクスチャ合成フレームワークを提案します。テクスチャ合成とは、ある画像をサンプルとして受け取り、類似した大規模な画像に合成する技術です。しかしながら、サンプルベースのテクスチャ合成は大規模であっても非常に均一でありリアリティとしては不十分です。

そこで本提案では、大量のサンプル画像を入力に使用し、不均一な大規模テクスチャを生成します。生成には、境界部分にできるだけアーチファクトのない大規模でより自然なテクスチャを生成するために訓練されたGANの出力を組み合わせたアルゴリズムを用います。また、ユーザがインタラクティブに操作し局所ベースでテクスチャを変更できるユーザインタフェースも提案します。

ABOUT

 本サイト(Seamless/シームレス)は、2014年に始めた先端テクノロジーの研究を論文ベースで記事にしているWebメディアです。山下が個人で運営し、執筆を行っています。現在は主に寄稿(ITmedia NEWS)と、Seamless Journalに専念しています。

連絡先:yamashita(at)seamless.jp
Subscribe:TwitterFacebookHatenaNewsPicks

ゲスト連載:プロジェクションマッピング技術の変遷 岩井大輔

 Seamless Journalとは、月額10ドルの課金で厳選した最新論文がほぼ毎日メールボックスに届くというものです。記事にならない気になる論文をお届けします。決済はPatreonを介して、クレジットカードおよびPayPalで行え、解約も同サービスからいつでも可能です。お申し込みはこちらから

ページ上部へ戻る