ETH Zurich、画像を煙シミュレーションにスタイル転送するCNNを用いた手法を発表

ETH Zurichによる研究チームは、別の画像を流体(煙など)シミュレーションにスタイル転送するCNN(Convolutional Neural Network)を用いた技術を発表しました。

論文:Transport-Based Neural Style Transfer for Smoke Simulations

Byungsoo Kim, Vinicius C. Azevedo, Markus Gross, Barbara Solenthaler
ETH Zurich

本研究は、通常の画像から煙などの流体シミュレーションへスタイル転送できる機械学習を用いた手法を提案します。CNN(転移学習)を用いて、煙から特徴抽出を行い、その特徴と画像を合成します。

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