Computational Visual Media (CVM 2024) にて1件発表します

Computational Visual Media (CVM 2024) にて1件発表します。

Paper Session



タイトルContinual Few-shot Patch-based Learning for Anime-style Colorization

発表者:Akinobu Maejima (OLM Digital, IMAGICA GROUP), Seitaro Shinagawa(NAIST), Hiroyuki Kubo (Chiba University), Takuya Funatomi (NAIST),Tatsuo Yotsukura (OLM Digital, IMAGICA GROUP), Satoshi Nakamura,Yasuhiro Mukaigawa (NAIST)

概要:アニメの線画の自動彩色は、制作パイプラインの効率化における課題の一つとなっています。深層ニューラルネットワークの最近の進歩により、この問題に対処する手法が提案されていますが、全く新しいアニメ作品の彩色作業が始まる前に、彩色対象の画像を多数収集することは不可能であり、深層ニューラルネットワークの利用を妨げる障害となっていました。本発表ではアニメ調の彩色のための新しいパッチベースの学習手法を提案します。この学習手法は、アニメの線画の特性に応じた効率的なパッチサンプリング技術、位置埋め込み、アーティストによって彩色された新しいサンプルを使用して彩色モデルを連続的に更新する継続的な学習戦略から成ります。私たちの手法の利点は、わずかな数の彩色前後の線画を使用して彩色モデルをゼロから学習するか、継続的に事前学習された重みを使用することができる点にあります。学習に用いられる線画は従来の彩色作業においてアーティストによって自然に作成されるため、提案手法は既存の制作パイプラインに容易に組み込むことができます。定量的な評価を通じて、提案手法が最先端の手法を上回ることを実証しました。