AIGC動態(tài)歡迎閱讀

原標(biāo)題：可智能生成刺繡圖案！紡織大學(xué)可視計算與數(shù)字紡織團隊發(fā)布首個多縫線刺繡生成對抗網(wǎng)絡(luò)模型，被頂級期刊 TVCG 錄用
關(guān)鍵字：刺繡,圖像,紋理,縫線,網(wǎng)絡(luò)
文章來源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

作者：胡新榮，方菲
編輯：李姝
紡織大學(xué)計算機與人工智能學(xué)院胡新榮課題組發(fā)布首個多縫線刺繡生成對抗網(wǎng)絡(luò)模型 MSEmbGAN，并創(chuàng)建了當(dāng)前最大刺繡數(shù)據(jù)集，提高了刺繡中紋理真實度和色彩保真度等關(guān)鍵方面的精度。繡成安向春園里，引得黃鶯下柳條。作為非物質(zhì)文化遺產(chǎn)的重要代表，我國的刺繡藝術(shù)歷史悠久、技藝精湛，工匠通過不同的針腳、各色的絲線，將主題豐富的圖案活靈活現(xiàn)地展示于一方繡布之上。過去，刺繡工藝復(fù)雜、門檻極高，需要有專業(yè)知識與實踐經(jīng)驗的工匠才能完成。近年來，卷積神經(jīng)網(wǎng)絡(luò) (CNN) 在圖像分類、目標(biāo)檢測、圖像生成和風(fēng)格遷移等任務(wù)上展現(xiàn)出強大能力，研究人員也開始探索利用 CNN 在圖像中合成刺繡特征。
然而由于刺繡具有復(fù)雜的針法、紋理和立體感，并且包含著微小的細節(jié)和不規(guī)則的圖案，所以 CNN 在合成刺繡特征的應(yīng)用中存在局限性，例如無法預(yù)測不同的縫線類型，使得它難以有效地提取縫線特征，從而無法有效生成連貫且自然的刺繡圖案。因此還需要設(shè)計師手動選擇和調(diào)整縫線類型和其對應(yīng)的顏色，這一過程往往需要耗費大量的時間，才能達到理想的效果。
針對于此，紡織大學(xué)計算機與人工智能學(xué)院胡新榮課題組提出了一

原文鏈接：可智能生成刺繡圖案！紡織大學(xué)可視計算與數(shù)字紡織團隊發(fā)布首個多縫線刺繡生成對抗網(wǎng)絡(luò)模型，被頂級期刊 TVCG 錄用

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：
作者簡介：