CN116071444A - 从输入图像重建自由形式渐变 - Google Patents
从输入图像重建自由形式渐变 Download PDFInfo
- Publication number
- CN116071444A CN116071444A CN202210992390.XA CN202210992390A CN116071444A CN 116071444 A CN116071444 A CN 116071444A CN 202210992390 A CN202210992390 A CN 202210992390A CN 116071444 A CN116071444 A CN 116071444A
- Authority
- CN
- China
- Prior art keywords
- input image
- image
- candidate color
- reconstructed
- handle set
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Developing Agents For Electrophotography (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
公开了用于从输入图像重建自由形式渐变的实施例。特别地,在一个或多个实施例中,所公开的系统和方法包括:接收输入图像;计算输入图像的轮廓;标识针对输入图像的候选颜色句柄集,候选颜色句柄集中的每个候选颜色句柄表示针对输入图像中的颜色的极值点;使用候选颜色句柄集的子集生成重建图像;通过计算输入图像和重建图像之间的差异来确定重建误差;以及当重建误差低于阈值时,提供重建图像。
Description
背景技术
计算设备(例如,计算机、平板计算机、智能电话)为用户提供了多种方式来捕捉、创建、共享、察看和以其他方式编辑多种类型的数字内容,包括图像。一个示例是如下能力:通过在对象上的特定点处建立颜色句柄(handle),将颜色应用于颜色句柄中的每个颜色句柄,并且在颜色句柄之间进行插值以创建渐变(gradient),来在图像或对象上创建自由形式颜色渐变。然而,对于没有经验的用户或艺术家来说,实现期望的设计目标可能是困难的和/或耗时的。
一种现有的解决方案可以提取图像的线性渐变。但是,由于该解决方案只能捕获线性渐变,因此无法提取和再现任何其他类型的渐变(例如,自由形式渐变、径向渐变),导致颜色渐变的不准确表示。
关于在图像对象上创建颜色渐变存在这些和其他问题。
发明内容
这里介绍的是允许数字设计系统从输入图像重建自由形式渐变的方法/技术。然后,重建的自由形式渐变可以被修改和/或应用于另一对象。为了从输入图像重建自由形式渐变,数字设计系统确定输入图像的轮廓。然后,数字设计系统计算多个颜色极值点作为候选颜色句柄,并且使用这些候选颜色句柄生成具有重建的自由形式渐变的重建图像。在一个或多个实施例中,数字设计系统可以通过迭代过程来精化重建的自由形式渐变。如果当前重建误差大于定义的阈值,则数字设计系统修改候选颜色句柄集的子集以包括来自候选颜色句柄集的附加颜色句柄,并且然后再次生成重建图像,但使用候选颜色句柄集的经修改的子集。然后数字设计系统确定更新的重建误差。数字设计系统通过添加更多点来精化重建并且减少误差来继续迭代过程;否则,该过程停止,并且当前重建图像作为输出被提供。
本公开的示例性实施例的附加特征和优点将在随后的描述中被阐明,并且部分地将从描述变得明显,或者可以通过对这种示例性实施例的实践来了解。
附图说明
专利或申请文件包含至少一幅以彩色绘制的图。专利局将根据请求和支付必要的费用提供具有彩色附图的本专利或专利申请出版物的副本。
参考附图描述具体实施方式,其中:
图1图示了根据一个或多个实施例从输入图像重建自由形式渐变的过程的图解;
图2图示了根据一个或多个实施例的示例输入图像以及由数字设计系统生成的对应轮廓化的(outlined)图像;
图3图示了根据一个或多个实施例的使用由数字设计系统生成的初始的候选颜色句柄集的示例重建图像305;
图4图示了根据一个或多个实施例的使用由数字设计系统生成的更新的候选颜色句柄集的示例更新重建图像;
图5图示了根据一个或多个实施例的由数字设计系统生成的示例输出重建图像;
图6图示了根据一个或多个实施例的数字设计系统的示意图;
图7图示了根据一个或多个实施例的从输入图像重建自由形式渐变的方法中的一系列动作的流程图;
图8图示了根据一个或多个实施例的数字设计系统可以在其中操作的示例性环境的示意图;以及
图9图示了根据一个或多个实施例的示例性计算设备的框图。
具体实施方式
本公开的一个或多个实施例包括用于从输入图像重建自由形式渐变的数字设计系统,该自由形式渐变可以被修改和/或被提取和被应用于另一图像或对象。虽然存在可以提取渐变的现有系统,但它们有其缺点和限制。例如,在一种现有解决方案中,可以从输入图像提取线性渐变。在该解决方案中,图像中的显著颜色被提取并且以线性渐变的形式布置。然而,由于该现有解决方案只提取线性渐变,如果输入图像呈现任何其他形式的渐变(例如,径向渐变、自由形式渐变),则输入图像的输出将不能表示输入图像中的颜色的实际空间布置。当从具有径向渐变或自由形式渐变的输入图像提取的线性渐变后续被应用于图像时,所得外观将与原始输入图像不匹配。
在另一现有解决方案中,设计应用可以通过创建具有实心填充或笔划的路径来将输入图像矢量化。该解决方案的一个缺点是设计应用可能在尝试表示输入图像中存在的不同颜色和阴影时创建大量的几何形状。由输入图像的矢量化产生的大量路径可能给寻求为最终输出图像添加或修改任何颜色的用户带来挑战。此外,虽然该现有解决方案可以在输入图像简单处(例如,天空)操作,但如果输入图像具有大量细节(例如头发或树),它可能会崩溃。
为了解决这些问题,在接收到输入图像之后,数字设计系统计算输入图像的轮廓。然后,数字设计系统标识针对输入图像的候选颜色句柄集,其中该候选颜色句柄集中的每个候选颜色句柄表示针对输入图像中的颜色的极值点。然后,数字设计系统使用候选颜色句柄集的子集生成具有重建渐变的重建图像,并且通过计算输入图像和重建图像之间的差异来确定重建误差。然后,当重建误差低于阈值时,数字设计系统提供具有重建渐变的重建图像。
图1图示了根据一个或多个实施例的从输入图像重建自由形式渐变的过程的图。如图1中所示,在一个或多个实施例中,数字设计系统102接收输入100,如标记1处所示。在一个或多个实施例中,输入100包括至少输入图像,其中输入图像包括颜色渐变。输入100可以包括指定图像的信息(例如,文件名、文件位置等)以允许数字设计系统102从存储器或存储位置访问或取回图像。在一个或多个实施例中,数字设计系统102包括接收输入100的输入分析器106。
在一个或多个实施例中,输入分析器106分析输入100,如标记2处所示。在一个或多个实施例中,输入分析器106分析输入100以标识输入图像,并且可选地标识掩模,该掩模指定图像的要针对其重建自由形式渐变的区域。在一个或多个实施例中,当输入100不包括指定图像的区域的掩模时,数字设计系统102可以默认确定请求是针对整个图像。
在一个或多个实施例中,在输入分析器106分析输入图像之后,输入图像被发送给数字编辑器104,如标记3处所示。在一个或多个其他实施例中,输入分析器106可选地将输入100存储在存储器或存储位置(例如,输入数据107)中以供数字编辑器104稍后访问。
在标记4处,颜色分析模块108标识针对输入图像的候选颜色句柄集,其中每个候选颜色句柄表示针对输入图像中的颜色的极值点。在一个或多个实施例中,作为标识候选颜色句柄集的一部分,颜色分析模块108生成输入图像的轮廓。在一个或多个实施例中,颜色分析模块108首先使用非线性降噪平滑滤波器,诸如双边模糊滤波器,以抑制噪声和其他高频细节。为了计算输入图像的轮廓,颜色分析模块108使用alpha(α)通道将输入图像转换为灰度图像。然后,颜色分析模块108从灰度图像计算输入图像的初始轮廓。每个轮廓可以被表示为像素链,并且数字设计系统可以使用算法(例如,Ramer-Douglas-Peucker算法)来转换像素链以将其约简为一组连接的折线集合。在一个或多个实施例中,该一组连接的折线及其关联的顶点用于使用曲线拟合技术来拟合平滑曲线。图2图示了根据一个或多个实施例的示例输入图像200和由数字设计系统生成的对应轮廓化的图像205。像素链中的像素的示例被示为像素210A和像素210B,像素链中的附加像素沿轮廓化的图像205的周边布置。像素210A和像素210B之间的示例折线被示为折线212。附加折线形成在像素链中的相邻像素之间,像素链形成描绘轮廓化的图像205的边界。如图2中所示,折线可以包括在像素链的像素之间的直线段和/或曲线段。在一个或多个实施例中,折线可以包括矢量路径,诸如矢量线、贝塞尔曲线等。
返回图1,在一个或多个实施例中,为了标识候选颜色句柄集,颜色分析模块108使用通过将最大滤波器应针对输入图像来从输入图像生成经修改的图像的功能,其中最大滤波器使输入图像膨胀。然后,该功能合并比膨胀的大小更近的相邻或邻近的局部极值点。输入图像等于经修改的图像的位置的坐标被返回作为极值点(例如,针对输入图像的候选颜色句柄集)。
在一个或多个实施例中,图像生成模块110使用由颜色分析模块108生成的候选颜色句柄集来生成重建图像,如标记5处所示。在一个或多个实施例中,图像生成模块110使用候选颜色句柄集的子集。使用候选颜色句柄集的子集和由颜色分析模块108创建的轮廓,图像生成模块110计算自由形式渐变的栅格化作为初始重建图像。在一个或多个实施例中,图像生成模块110通过在候选颜色句柄集的子集处的颜色与输入图像的轮廓处的颜色之间进行插值,来确定重建图像中多个像素中的每个像素的颜色。
图3图示了根据一个或多个实施例的使用由数字设计系统生成的初始的候选颜色句柄集的示例重建图像305。如图3中所示,重建图像305包括使用候选颜色句柄集的初始子集(被指示为颜色句柄310A-310E)生成的重建的自由形式渐变。
返回图1,在一个或多个实施例中,图像比较模块112通过计算输入图像和重建图像之间的差异来确定重建误差,如标记6处所示。在一个或多个实施例中,图像比较模块112对输入图像和重建图像应用大内核模糊(迭代地每次迭代减小大小)。然后,图像比较模块112计算输入图像和重建图像之间的差异,以确定具有高重建误差幅度的区域。
图4图示了根据一个或多个实施例的使用由数字设计系统生成的更新候选颜色句柄集的示例更新的重建图像405。如图4中所示,更新重建图像405包括使用候选颜色句柄集的初始子集(被指示为颜色句柄310A-310E)和候选颜色句柄集的附加颜色句柄(例如,颜色句柄410A-410D)生成的更新的重建的自由形式渐变。
返回图1,当重建误差低于阈值时,过程进行到标记7。当重建误差高于阈值时,图像生成模块110迭代地将附加颜色句柄添加到子集并且生成新的重建图像,直到重建误差低于阈值。
在标记7处,数字设计系统102返回输出120,输出120包括具有重建的自由形式渐变的重建图像。在一个或多个实施例中,在上面在标记1-6中描述的过程之后,输出120被发送给将输入100提供给数字设计系统102的用户或计算设备。例如,在上面在标记1-7中描述的过程之后,具有重建的自由形式渐变的重建图像可以被显示在用户接口中。图5图示了根据一个或多个实施例的由数字设计系统生成的示例输出重建图像。如图5中所示,输出重建图像505具有与输入图像200的自由形式渐变相似的重建自由形式渐变。在一个或多个实施例中,一旦输出重建图像505被提供,用户就可以操纵自由形式渐变(例如,通过移除、添加和/或移动颜色手柄)、和/或选择自由形式渐变的一部分或全部并且将该选择应用到另一图像或形状。在一个或多个实施例中,重建的自由形式渐变(包括候选句柄集合的用于生成重建的渐变的子集)可以被存储在存储器或存储位置(例如,渐变数据114)中,以供稍后访问和应用到图像对象或形状。
图6图示了根据一个或多个实施例的数字设计系统(例如,上述“数字设计系统”)的示意图。如所示的,数字设计系统600可以包括但不限于显示管理器602、输入分析器604、数字编辑器606和存储管理器608。如所示的,数字编辑器606包括颜色分析模块610和图像生成模块612。图像生成模块612还可以包括图像比较模块614。存储管理器608包括输入数据616和渐变数据618。
如图6中所示,数字设计系统600包括显示管理器602。在一个或多个实施例中,显示管理器602标识、提供、管理和/或控制在触摸屏或其他设备上所提供的用户接口。显示器的示例包括交互式白板、图形用户接口(或简单地“用户接口”),其允许用户察看内容项或能够在触摸屏上显示的其他项并且与之交互。例如,显示管理器602可以标识、显示、更新或以其他方式提供各种用户接口,各种用户接口包括各种布局中的一个或多个显示元素。在一个或多个实施例中,显示管理器602可以标识在触摸屏上或可以使用各种输入设备与之交互的其他类型的显示器(例如,包括监视器、投影仪、头戴式耳机等)上提供的显示。例如,显示器可以包括图形用户接口,该图形用户接口包括能够经由一个或多个触摸手势或其他类型的用户输入(例如,使用触笔、鼠标或其他输入设备)与之交互的一个或多个显示元素。显示元素包括但不限于按钮、文本框、菜单、缩略图、滚动条、超链接等。
如图6中进一步图示的,数字设计系统600还包括输入分析器604。输入分析器604分析由数字设计系统600接收的输入以标识输入图像,并且如果在输入中被提供,则输入图像的一部分被选择用于自由形式渐变重建。
如图6中进一步图示的,数字设计系统600还包括数字编辑器606。在一个或多个实施例中,数字编辑器606包括颜色分析模块610,颜色分析模块610被配置成生成输入图像的轮廓并且确定候选颜色句柄集。例如,颜色分析模块610可以被配置成标识针对输入图像的候选颜色句柄集,其中候选颜色句柄集中的每个候选颜色句柄表示针对输入图像中的颜色的极值点。
如图6中进一步图示的,数字编辑器606包括图像生成模块612,图像生成模块612被配置成:利用候选颜色句柄集和由颜色分析模块610生成的轮廓,来生成具有基于输入图像的自由形式渐变的重建的自由形式渐变的重建图像。在一个或多个实施例中,图像生成模块612使用候选颜色句柄集的子集,来生成具有重建的自由形式渐变的重建图像。在生成重建的图像之后,图像比较模块112确定输入图像和重建图像之间的重建误差。当重建误差高于阈值时,图像生成模块612将至少一个候选颜色句柄添加到候选颜色句柄集的子集,并且生成具有更新的重建的自由形式渐变的更新的重建图像。图像生成模块612可以通过添加附加的候选颜色句柄来迭代地生成更新的重建图像,直到重建误差在阈值处或低于阈值。
如图6中进一步图示的,存储管理器608包括输入数据616和渐变数据618。特别地,输入数据616可以包括由数字设计系统600接收的输入数据,输入数据指示输入图像,并且可选地指示被选择用于自由形式渐变重建的输入图像部分。渐变数据618可以包括自由形式渐变重建过程的结果,包括具有重建的自由形式渐变的重建图像和候选颜色句柄集的用于生成重建图像的子集。
数字设计系统600的组件602-608中的每个组件及其对应元件(如图6中所示)可以使用任何适当的通信技术相互通信。应当认识到,尽管组件602-608及其对应元件在图6中被示为是分离的,但组件602-608中的任何组件及其对应元件可以被组合成更少的组件(诸如组合成单个设施或模块)、被划分成更多的组件,或者被配置成可以服务于特定实施例的不同组件。
组件602-608及其对应元件可以包括软件、硬件或两者。例如,组件602-608及其对应元件可以包括一个或多个指令,该一个或多个指令被存储在计算机可读存储介质上并且由一个或多个计算设备的处理器可执行。当由一个或多个处理器执行时,数字设计系统600的计算机可执行指令可以使客户端设备和/或服务器设备执行本文描述的方法。备选地,组件602-608及其对应元件可以包括硬件,诸如用于执行特定功能或功能组的专用处理设备。附加地,组件602-608及其对应元件可以包括计算机可执行指令和硬件的组合。
此外,数字设计系统600的组件602-608可以例如被实现为一个或多个独立应用、应用的一个或多个模块、一个或多个插件、一个或多个库函数或可以由其他应用调用的函数,和/或云计算模型。因此,数字设计系统600的组件602-608可以被实现为独立应用,诸如桌面或移动应用。此外,数字设计系统600的组件602-608可以被实现为托管在远程服务器上的一个或多个基于web的应用。备选地或附加地,数字设计系统600的组件可以被实现在一套移动设备应用或“app”中。为了说明,数字设计系统600的组件可以被实现在文档处理应用或图像处理应用中,包括但不限于 ILLUSTRATOR、PRO等,或者被实现在基于云的应用套件中,诸如CREATIVE “ADOBE”和“CREATIVE”是Adobe公司在美国和/或其他国家的注册商标或商标。
图1-图6、对应的文本和示例提供了许多不同的系统和设备,它们允许数字设计系统从输入图像重建自由形式渐变。除了前述之外,还可以根据流程图来描述实施例,流程图包括用于实现特定结果的方法中的动作和步骤。例如,图7图示了根据一个或多个实施例的示例性方法的流程图。结合图7描述的方法可以用更少或更多的步骤/动作来被执行,或者步骤/动作可以以不同的顺序来被执行。附加地,本文描述的步骤/动作可以被重复或彼此并行地被执行,或者与相同或相似步骤/动作的不同实例并行地被执行。
图7图示了根据一个或多个实施例的从输入图像重建自由形式渐变的方法中的一系列动作的流程图。在一个或多个实施例中,方法700在包括数字设计系统600的数字媒体环境中被执行。方法700旨在说明根据本公开的一种或多种方法,并且不旨在限制潜在实施例。与图7中图示的那些步骤相比,备选实施例可以包括附加的、更少的或不同的步骤。
如图7中所示,方法700包括接收输入图像的动作702。在一个或多个实施例中,数字设计系统从用户(例如,经由计算设备)或从存储器或存储位置接收输入图像。在一个或多个实施例中,用户可以在应用中选择文档,或者用户可以将文档提交给web服务或被配置成接收输入的应用。在一个或多个实施例中,输入图像还包括掩模,掩模指定输入图像的要针对其重新创建渐变的区域。在其他一些实施例中,数字设计系统可以自动分割整个输入图像,并且然后分析和重建整个输入图像或输入图像的相关区域的渐变。
如图7中所示,方法700还包括计算输入图像的轮廓的动作704。在一个或多个实施例中,数字设计系统首先使用非线性降噪平滑滤波器(诸如双边模糊滤波器),来抑制噪声和其他高频细节。为了计算输入图像的轮廓,数字设计系统使用alpha(α)通道将输入图像转换为灰度图像。然后,数字设计系统从灰度图像计算输入图像的初始轮廓。每个轮廓可以被表示为像素链,并且数字设计系统可以使用算法(例如,Ramer-Douglas-Peucker算法)来转换像素链以将其约简为一组连接的折线。在一个或多个实施例中,该一组连接的折线及其关联的顶点用于使用曲线拟合技术来拟合平滑曲线。
如图7中所示,方法700还包括标识针对输入图像的候选颜色句柄集的动作706。颜色句柄集合中的每个候选颜色句柄表示针对输入图像中的颜色的极值点。针对输入图像的候选颜色句柄集的设置数目可以是用户定义的。
在一个或多个实施例中,数字设计系统使用一种功能,该功能使输入图像饱和并且使用包括膨胀和合并的形态学操作来找到局部极值点。例如,一个功能通过对输入图像应用最大滤波器来从输入图像生成经修改的图像,其中最大滤波器使输入图像膨胀。然后,该功能合并比膨胀的大小更近的相邻或邻近的局部极值点。输入图像等于膨胀图像的位置的坐标被返回作为极值点(例如,针对输入图像的颜色句柄集合)。
数字设计系统还可以使用诸如岭(ridge)算子的检测方法找到位于局部极值点周围的颜色等高线,并且仅接受强岭。然后,数字设计系统将贝塞尔样条拟合到具有少量贝塞尔段的近似岭。对于每个这种曲线,数字设计系统在曲线的中心处添加对应的极值点作为候选颜色句柄。
如图7中所示,方法700还包括使用候选颜色句柄集的子集生成重建图像的动作708。在一个或多个实施例中,数字设计系统选择候选颜色句柄集的一半作为子集。使用候选颜色句柄集的子集和先前所创建的轮廓,数字设计系统计算自由形式渐变的栅格化作为初始重建图像。在一个或多个实施例中,数字设计系统通过在候选颜色句柄集的子集处的颜色和输入图像的轮廓处的颜色之间进行插值来确定重建图像中的多个像素中的每个像素的颜色。
如图7中所示,方法700还包括通过计算输入图像和重建图像之间的差异来确定重建误差的动作710。在一个或多个实施例中,数字设计系统对输入图像和重建图像应用大内核模糊(迭代地每次迭代减小大小)。然后,数字设计系统计算输入图像和重建图像之间的差异,以确定具有高重建误差幅度的区域。
当重建误差高于阈值时,数字设计系统修改候选颜色句柄集的子集以包括来自候选颜色句柄集的附加颜色句柄。在一个或多个实施例中,数字设计系统在不太接近已有颜色句柄的最高误差区域处添加附加颜色句柄,其中附加颜色句柄的颜色是目标图像的稍微模糊版本的颜色。然后,数字设计系统使用颜色句柄的经修改的子集来生成更新的重建图像,并且确定更新的重建误差。数字设计系统迭代地添加附加颜色句柄并且确定更新的重建误差,直到更新的重建误差在阈值处或低于阈值。
如图7中所示,方法700还包括当重建误差在阈值处或低于阈值时提供重建图像的动作712。例如,重建图像可以被呈现在用户计算设备的显示器上,被存储在存储器或存储位置中,等等。
在一个或多个实施例中,数字设计系统后续可以接收从重建图像选择重建的渐变或重建的渐变的一部分的输入。然后,重建的渐变可以从重建图像提取,并且被应用于新的或不同的图像。例如,重建的自由形式渐变可以被保存为图形样式,并且然后被应用于任意几何形状。在一个或多个实施例中,重建的渐变(包括用于生成重建的渐变的候选颜色句柄集的子集)被存储在存储器或存储位置中,以供稍后访问和应用到图像对象或形状。
在一个或多个实施例中,重建的自由形式渐变也可以被修改。例如,基于用户输入,用于重建自由形式渐变的多个颜色句柄中的一个或多个颜色句柄的位置可以被修改(例如,从起始位置移动到另一位置),多个颜色句柄中的一个或多个颜色句柄可以被移除,附加颜色手柄可以被添加等。
图8图示了根据一个或多个实施例的数字设计系统可以在其中操作的示例性环境800的示意图。在一个或多个实施例中,环境800包括服务提供方802,服务提供方802可以包括经由一个或多个网络808连接到多个客户端设备806A-806N的一个或多个服务器804。客户端设备806A-806N、一个或多个网络808、服务提供方802和一个或多个服务器804可以使用适于传输数据和/或通信信号的任何通信平台和技术来相互通信或与其他组件通信,包括任何已知的通信技术、设备、介质和支持远程数据通信的协议,其示例将在下文关于图9更详细地被描述。
尽管图8图示了客户端设备806A-806N、一个或多个网络808、服务提供方802和一个或多个服务器804的特定布置,但各种附加布置是可能的。例如,客户端设备806A-806N可以绕过网络808直接与一个或多个服务器804通信。或者备选地,客户端设备806A-806N可以直接相互通信。服务提供方802可以是公共云服务提供方,其在一个或多个数据中心中拥有并且运营他们自己的基础设施,并且按需向客户和最终用户提供该基础设施以在一个或多个服务器804上托管应用。服务器可以包括一个或多个硬件服务器(例如主机),每个硬件服务器具有其自己的计算资源(例如处理器、存储器、盘空间、联网带宽等),计算资源可以在多个客户之间安全地被划分,客户中的每个客户可以将其自己的应用托管在一个或多个服务器804上。在一些实施例中,服务提供方可以是为单个组织维护云基础设施的私有云提供方。一个或多个服务器804可以类似地包括一个或多个硬件服务器,每个硬件服务器具有其自己的计算资源,该计算资源在由一个或多个服务器托管的应用之间被划分以供组织的成员或其客户使用。
类似地,尽管图8的环境800被描绘为具有各种组件,但环境800可以具有附加的或备选的组件。例如,环境800可以被实现在具有数字设计系统的单个计算设备上。特别地,数字设计系统可以全部或部分地被实现在客户端设备806A上。备选地,在一些实施例中,环境800被实现在跨多个计算设备的分布式架构中。
如图8中所示,环境800可以包括客户端设备806A-806N。客户端设备806A-806N可以包括任何计算设备。例如,客户端设备806A-806N可以包括一个或多个个人计算机、膝上型计算机、移动设备、移动电话、平板计算机、专用计算机、TV或其他计算设备,包括下面关于图9描述的计算设备。尽管在图8中示出了三个客户端设备,但应当理解,客户端设备806A-806N可以包括任何数目的客户端设备(大于或小于所示出的)。
此外,如图8中所示,客户端设备806A-806N和一个或多个服务器804可以经由一个或多个网络808进行通信。一个或多个网络808可以表示单个网络或网络集合(诸如互联网、公司内联网、虚拟专用网(VPN)、局域网(LAN)、无线局域网(WLAN)、蜂窝网络、广域网(WAN)、城域网(MAN),或两个或更多个这样的网络的组合。因此,一个或多个网络808可以是任何适当的网络,客户端设备806A-806N可以通过该一个或多个网络808访问服务提供方802和服务器804,反之亦然。将在下面关于图9详细地讨论一个或多个网络808。
此外,环境800还可以包括一个或多个服务器804。一个或多个服务器804可以生成、存储、接收和传输任何类型的数据,包括输入数据或其他信息。例如,服务器804可以从诸如客户端设备806A的客户端设备接收数据,并且将数据发送给诸如客户端设备806B和/或806N的另一客户端设备。服务器804还可以在环境800的一个或多个用户之间传输电子消息。在一个示例实施例中,服务器804是数据服务器。服务器804还可以包括通信服务器或web托管的服务器。关于服务器804的附加细节将在下面关于图9进行讨论。
如所述的,在一个或多个实施例中,一个或多个服务器804可以包括或实现数字设计系统的至少一部分。特别地,数字设计系统可以包括在一个或多个服务器804上运行的应用,或者数字设计系统的一部分可以从一个或多个服务器804下载。例如,数字设计系统可以包括web托管的应用,该web托管的应用允许客户端设备806A-806N与在一个或多个服务器804处托管的内容交互。为了说明,在环境800的一个或多个实施例中,一个或多个客户端设备806A-806N可以访问由一个或多个服务器804支持的网页。特别地,客户端设备806A可以运行web应用(例如,web浏览器)以允许用户访问、察看在一个或多个服务器804处托管的网页或网站和/或与之交互。
在客户端设备806A访问在一个或多个服务器804处托管的网页或其他web应用时,在一个或多个实施例中,一个或多个服务器804可以向客户端设备806A的用户提供用于提供输入(包括输入图像)的接口。在接收到输入图像时,一个或多个服务器804可以自动执行上述方法和过程以从输入图像重建自由形式渐变。
如刚刚描述的,数字设计系统可以全部或部分地由环境800的个体元件802-808实现。应当理解,尽管数字设计系统的某些组件在先前示例中关于环境800的特定元素进行了描述,但各种备选实施方式是可能的。例如,在一个或多个实施例中,数字设计系统被实现在客户端设备806A-806N中的任何客户端设备上。类似地,在一个或多个实施例中,数字设计系统可以被实现在一个或多个服务器804上。此外,数字设计系统的不同组件和功能可以在客户端设备806A-806N、一个或多个服务器804和网络808之中分开实现。
本公开的实施例可以包括或利用专用或通用计算机,其包括计算机硬件,诸如,例如一个或多个处理器和系统存储器,如下面更详细地讨论的。本公开的范围内的实施例还包括用于运载或存储计算机可执行指令和/或数据结构的物理和其他计算机可读介质。特别地,本文描述的一个或多个过程可以至少部分地被时限为指令,该指令被体现在非暂态计算机可读介质中并且由一个或多个计算设备(例如,本文描述的任何介质内容访问设备)可执行。通常,处理器(例如,微处理器)从非暂态计算机可读介质(例如,存储器等)接收指令,并且执行那些指令,从而执行一个或多个过程,包括本文描述的一个或多个过程。
计算机可读介质可以是可以由通用或专用计算机系统访问的任何可用介质。存储计算机可执行指令的计算机可读介质是非暂态计算机可读存储介质(设备)。运载计算机可执行指令的计算机可读介质是传输介质。因此,作为示例而非限制,本公开的实施例可以包括至少两种明显不同种类的计算机可读介质:非暂态计算机可读存储介质(设备)和传输介质。
非暂态计算机可读存储介质(设备)包括RAM、ROM、EEPROM、CD-ROM、固态驱动器(“SSD”)(例如,基于RAM)、闪存、相变存储器(“PCM”)、其他类型的存储器、其他光盘存储、磁盘存储或其他磁存储,或可以用于存储所需程序代码部件的任何其他介质,该程序代码部件处于计算机可执行指令或数据结构的形式,并且可以由通用或专用计算机访问。
“网络”被定义为使得能够在计算机系统和/或模块和/或其他电子设备之间传输电子数据的一个或多个数据链路。在通过网络或其他通信连接(硬连线、无线或硬连线或无线的组合)将信息传送或提供给计算机时,计算机会将该连接正确地视为传输介质。传输介质可以包括网络和/或数据链路,该网络和/或数据链路可以用于运载期望的程序代码部件,该程序代码部件处于计算机可执行指令或数据结构的形式,并且可以由通用或专用计算机访问。上述的组合也应当被包括在计算机可读介质的范围内。
此外,在到达各种计算机系统组件时,可以将处于计算机可执行指令或数据结构的形式的程序代码部件从传输介质自动传送到非暂态计算机可读存储介质(设备)(或反之亦然)。例如,可以将通过网络或数据链路接收的计算机可执行指令或数据结构缓冲在网络接口模块(例如“NIC”)内的RAM中,然后最终传送到计算机系统RAM和/或计算机系统处的不那么易失的计算机存储介质(设备)。因此,应当理解,非暂态计算机可读存储介质(设备)可以被包括在也(或者甚至主要地)利用传输介质的计算机系统组件中。
计算机可执行指令包括例如指令和数据,当指令和数据在处理器处被执行时,使通用计算机、专用计算机或专用处理设备执行某些功能或功能组。在一些实施例中,计算机可执行指令在通用计算机上被执行以将通用计算机转变成实现本公开的元素的专用计算机。计算机可执行指令可以是例如二进制、中间格式指令(诸如汇编语言)或甚至源代码。尽管已经以特定于结构特征和/或方法动作的语言描述了主题,但是应当理解,所附权利要求中定义的主题不必限于上述描述的特征或动作。而是,所描述的特征和动作被公开为实现权利要求的示例形式。
本领域技术人员应当理解,可以在具有许多类型的计算机系统配置的网络计算环境中实践本公开,计算机系统配置包括个人计算机、台式计算机、膝上型计算机、消息处理器、手持式设备、多处理器系统、基于微处理器或可编程的消费类电子产品、网络PC、小型计算机、大型计算机、移动电话、PDA、平板计算机、寻呼机、路由器、交换机等。还可以在分布式系统环境中实践本公开,在分布式系统环境中,本地和远程计算机系统通过网络被链接(通过硬连线数据链路、无线数据链路或通过硬连线和无线数据链路的组合),两者都执行任务。在分布式系统环境中,程序模块可以位于本地和远程存储设备两者中。
本公开的实施例还可以被实现在云计算环境中。在本描述中,“云计算”被定义为用于使能对可配置计算资源的共享池进行按需网络访问的模型。例如,可以在市场中采用云计算,以提供对可配置计算资源共享池的无处不在和方便的按需访问。可配置计算资源的共享池可以经由虚拟化被快速提供,并且以较少的管理工作量或服务提供方交互被发布,然后被对应地扩展。
云计算模型可以包括各种特性,例如,诸如按需自助服务、广泛的网络访问、资源池、快速弹性、经测量的服务等。云计算模型还可以暴露各种服务模型,诸如,例如软件即服务(“SaaS”)、平台即服务(“PaaS”)和基础设施即服务(“IaaS”)。还可以使用不同的部署模型(诸如私有云、社区云、公共云、混合云等)来部署云计算模型。在本说明书和权利要求中,“云计算环境”是其中采用云计算的环境。
图9以框图形式图示了示例性计算设备900,计算设备900可以被配置成执行上述过程中的一个或多个过程。应当理解,诸如计算设备900的一个或多个计算设备可以实现数字设计系统。如由图9所示,计算设备900可以包括处理器902、存储器904、一个或多个通信接口906、存储设备908,以及一个或多个输入或输出(“I/O”)设备/接口910。在某些实施例中,计算设备900可以包括比图9中所示的那些组件更少或更多的组件。现在将以附加的细节描述图9中所示的计算设备900的组件。
在特定实施例中,(多个)处理器902包括用于执行指令(诸如构成计算机程序的那些指令)的硬件。作为示例而非限制,为了执行指令,(多个)处理器902可以从内部寄存器、内部高速缓存、存储器904或存储设备908中取回(或取指)指令,并且解码和执行它们。在各种实施例中,(多个)处理器902可以包括一个或多个中央处理单元(CPU)、图形处理单元(GPU)、现场可编程门阵列(FPGA)、片上系统(SoC)或(多个)其他处理器或者处理器的组合。
计算设备900包括耦合到(多个)处理器902的存储器904。存储器904可以用于存储数据、元数据和程序以供由(多个)处理器执行。存储器904可以包括易失性存储器和非易失性存储器中的一个或多个存储器,诸如随机存取存储器(“RAM”)、只读存储器(“ROM”)、固态盘(“SSD”)、闪存、相变存储器(“PCM”)或其他类型的数据存储装置。存储器904可以是内部或分布式存储器。
计算设备900还可以包括一个或多个通信接口906。通信接口906可以包括硬件、软件或两者。通信接口906可以提供一个或多个接口,以用于在计算设备与一个或多个其他计算设备900或一个或多个网络之间进行通信(诸如,例如基于分组的通信)。作为示例而非限制,通信接口906可以包括网络接口控制器(NIC)或网络适配器,以用于与以太网或其他基于有线的网络通信,或者包括无线NIC(WNIC)或无线适配器,以用于与无线网络(诸如,WI-FI)通信。计算设备900还可以包括总线912。总线912可以包括将计算设备900的组件相互耦合的硬件、软件或两者。
计算设备900包括存储设备908,存储设备908包括用于存储数据或指令的存储。作为示例而非限制,存储设备908可以包括上述非暂态存储介质。存储设备908可以包括硬盘驱动器(HDD)、闪存、通用串行总线(USB)驱动器或这些或其他存储设备的组合。计算设备900还包括一个或多个I/O设备/接口910,提供这些I/O设备/接口910是为了允许用户向计算设备900提供输入、从计算设备900接收输出、以及以其他方式向和从计算设备900传送数据。这些I/O设备/接口910可以包括鼠标、小键盘或键盘、触摸屏、相机、光学扫描仪、网络接口、调制解调器、其他已知的I/O设备或这种I/O设备/接口910的组合。可以利用触笔或手指激活触摸屏。
I/O设备/接口910可以包括用于向用户呈现输出的一个或多个设备,包括但不限于图形引擎、显示器(例如,显示屏)、一个或多个输出驱动(例如,显示驱动)、一个或多个音频扬声器以及一个或多个音频驱动。在某些实施例中,I/O设备/接口910被配置成将图形数据提供给显示器以呈现给用户。图形数据可以表示一个或多个图形用户接口和/或可以服务于特定实施方式的任何其他图形内容。
在前述说明书中,已经参考本发明的特定示例性实施例描述了实施例。参考本文讨论的细节描述了各种实施例,并且附图图示了各种实施例。上面的描述和附图是对一个或多个实施例的说明,并且不应当被解释为限制。描述了许多具体细节以提供对各种实施例的透彻理解。
在不脱离本发明的精神或基本特性的情况下,实施例可以包括其他特定形式。所描述的实施例应当在所有方面仅被认为是说明性而不是限制性的。例如,本文描述的方法可以利用更少或更多的步骤/动作来执行,或者可以以不同的顺序来执行步骤/动作。附加地,本文描述的步骤/动作可以被重复或者彼此并行地或与相同或相似步骤/动作的不同实例并行地被执行。因此,本发明的范围由所附权利要求而不是前述描述来指示。落入权利要求的等同物的含义和范围内的所有改变均应当被包括在其范围内。
在上述各种实施例中,除非另外特别指出,否则诸如短语“A、B或C中的至少一个”的析取语言旨在被理解为意指A、B或C,或其任何组合(例如,A、B和/或C)。因此,析取语言不旨在也不应当被理解为暗示给定实施例要求A中的至少一个A、B中的至少一个B或C中的至少一个C都存在。
Claims (20)
1.一种计算机实现的方法,包括:
接收输入图像;
计算所述输入图像的轮廓;
标识针对所述输入图像的候选颜色句柄集,所述候选颜色句柄集中的每个候选颜色句柄表示针对所述输入图像中的颜色的极值点;
使用所述候选颜色句柄集的子集生成重建图像;
通过计算所述输入图像和所述重建图像之间的差异来确定重建误差;以及
当所述重建误差低于阈值时,提供所述重建图像。
2.根据权利要求1所述的计算机实现的方法,其中使用所述候选颜色句柄集生成所述重建图像包括:
通过在所述候选颜色句柄集的所述子集处的颜色与所述输入图像的所述轮廓处的颜色之间进行插值,确定所述重建图像中的多个像素中的每个像素的颜色。
3.根据权利要求1所述的计算机实现的方法,还包括:
确定所述重建误差高于所述阈值;
修改所述候选颜色句柄集的所述子集,以包括来自所述候选颜色句柄集的附加颜色句柄;
使用所述候选颜色句柄集的经修改的所述子集,生成所述重建图像;以及
确定更新的重建误差。
4.根据权利要求3所述的计算机实现的方法,还包括:
迭代地确定更新的重建误差,直到更新的重建误差低于所述阈值为止。
5.根据权利要求1所述的计算机实现的方法,其中计算所述输入图像的所述轮廓包括:
使用alpha通道,将所述输入图像转换为经转换的输入图像;
生成像素链,所述像素链表示所述经转换的输入图像的所述轮廓;
将所述像素链转换为一组连接的折线;以及
将平滑曲线拟合应用于所述一组连接的折线。
6.根据权利要求1所述的计算机实现的方法,其中标识针对所述输入图像的所述候选颜色句柄集包括:
通过对所述输入图像应用最大滤波器来从所述输入图像生成经修改的图像,所述最大滤波器使所述输入图像膨胀;
合并所述经修改的图像的比所述膨胀的大小更近的相邻局部极值点;以及
标识所述经修改的图像等于所述输入图像之处的坐标,作为针对所述输入图像的所述候选颜色句柄集的位置。
7.根据权利要求1所述的计算机实现的方法,其中针对所述输入图像的所述候选颜色句柄集中的候选颜色句柄的数目是用户定义的。
8.根据权利要求1所述的计算机实现的方法,还包括:
从所述重建图像提取重建渐变;以及
将所述重建渐变应用于不同图像。
9.一种非暂态计算机可读存储介质,包括存储在其上的指令,所述指令在由至少一个处理器执行时,使所述至少一个处理器:
接收输入图像;
计算所述输入图像的轮廓;
标识针对所述输入图像的候选颜色句柄集,所述候选颜色句柄集中的每个候选颜色句柄表示针对所述输入图像中的颜色的极值点;
使用所述候选颜色句柄集的子集生成重建图像;
通过计算所述输入图像和所述重建图像之间的差异来确定重建误差;以及
当所述重建误差低于阈值时,提供所述重建图像。
10.根据权利要求9所述的非暂态计算机可读存储介质,其中为了使用所述候选颜色句柄集来生成所述重建图像,所述指令在被执行时还使所述至少一个处理器:
通过在所述候选颜色句柄集的所述子集处的颜色与所述输入图像的所述轮廓处的颜色之间进行插值,确定所述重建图像中的多个像素中的每个像素的颜色。
11.根据权利要求9所述的非暂态计算机可读存储介质,其中所述指令在被执行时,还使所述至少一个处理器:
确定所述重建误差高于所述阈值;
修改所述候选颜色句柄集的所述子集,以包括来自所述候选颜色句柄集的附加颜色句柄;
使用所述候选颜色句柄集的经修改的所述子集,生成所述重建图像;以及
确定更新的重建误差。
12.根据权利要求11所述的非暂态计算机可读存储介质,其中所述指令在被执行时,还使所述至少一个处理器:
迭代地确定更新的重建误差,直到更新的重建误差低于所述阈值为止。
13.根据权利要求9所述的非暂态计算机可读存储介质,其中为了计算所述输入图像的所述轮廓,所述指令在被执行时,还使所述至少一个处理器:
使用alpha通道,将所述输入图像转换为经转换的输入图像;
生成像素链,所述像素链表示所述经转换的输入图像的所述轮廓;
将所述像素链转换为一组连接的折线;以及
将平滑曲线拟合应用于所述一组连接的折线。
14.根据权利要求9所述的非暂态计算机可读存储介质,其中为了标识针对所述输入图像的所述候选颜色句柄集,所述指令在被执行时,还使所述至少一个处理器:
通过对所述输入图像应用最大滤波器来从所述输入图像生成经修改的图像,所述最大滤波器使所述输入图像膨胀;
合并所述经修改的图像的比所述膨胀的大小更近的相邻局部极值点;以及
标识所述经修改的图像等于所述输入图像之处的坐标,作为针对所述输入图像的所述候选颜色句柄集的位置。
15.一种系统,包括:
计算设备,包括存储器和至少一个处理器,所述计算设备实现数字设计系统,
其中所述存储器包括存储在其上的指令,所述指令在被执行时,使所述数字设计系统:
接收输入图像;
计算所述输入图像的轮廓;
标识针对所述输入图像的候选颜色句柄集,所述候选颜色句柄集中的每个候选颜色句柄表示针对所述输入图像中的颜色的极值点;
使用所述候选颜色句柄集的子集生成重建图像;
通过计算所述输入图像和所述重建图像之间的差异来确定重建误差;以及
当所述重建误差低于阈值时,提供所述重建图像。
16.根据权利要求15所述的系统,其中用于使用所述候选颜色句柄集生成所述重建图像的所述指令还使所述数字设计系统:
通过在所述候选颜色句柄集的所述子集处的颜色与所述输入图像的所述轮廓处的颜色之间进行插值,确定所述重建图像中的多个像素中的每个像素的颜色。
17.根据权利要求15所述的系统,其中所述指令在被执行时还使所述数字设计系统:
确定所述重建误差高于所述阈值;
修改所述候选颜色句柄集的所述子集,以包括来自所述候选颜色句柄集的附加颜色句柄;
使用所述候选颜色句柄集的经修改的所述子集,生成所述重建图像;以及
确定更新的重建误差。
18.根据权利要求17所述的系统,其中所述指令在被执行时,还使所述数字设计系统:
迭代地确定更新的重建误差,直到更新的重建误差低于所述阈值为止。
19.根据权利要求15所述的系统,其中用于计算所述输入图像的所述轮廓的所述指令在被执行时,还使所述至少一个处理器:
使用alpha通道,将所述输入图像转换为经转换的输入图像;
生成像素链,所述像素链表示所述经转换的输入图像的所述轮廓;
将所述像素链转换为一组连接的折线;以及
将平滑曲线拟合应用于所述一组连接的折线。
20.根据权利要求15所述的系统,其中用于标识针对所述输入图像的所述候选颜色句柄集的所述指令还使所述数字设计系统:
通过对所述输入图像应用最大滤波器而从所述输入图像生成经修改的图像,所述最大滤波器使所述输入图像膨胀;
合并所述经修改的图像的比所述膨胀的大小更近的相邻局部极值点;以及
标识所述经修改图像等于所述输入图像之处的坐标,作为针对所述输入图像的所述候选颜色句柄集的位置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/516,964 US11699252B2 (en) | 2021-11-02 | 2021-11-02 | Reconstructing freeform gradients from an input image |
US17/516,964 | 2021-11-02 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116071444A true CN116071444A (zh) | 2023-05-05 |
Family
ID=85983794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210992390.XA Pending CN116071444A (zh) | 2021-11-02 | 2022-08-18 | 从输入图像重建自由形式渐变 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11699252B2 (zh) |
CN (1) | CN116071444A (zh) |
AU (1) | AU2022221556A1 (zh) |
DE (1) | DE102022120964A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7038697B2 (en) * | 2003-02-25 | 2006-05-02 | Microsoft Corporation | Color gradient paths |
US10083525B2 (en) * | 2016-04-11 | 2018-09-25 | Brian Mantuano | Multi-dimensional color and opacity gradation tools, systems, methods and components |
US10242464B1 (en) * | 2017-09-18 | 2019-03-26 | Adobe Systems Incorporated | Diffusion coloring using weighted color points |
US10846889B2 (en) * | 2018-11-29 | 2020-11-24 | Adobe Inc. | Color handle generation for digital image color gradients using machine learning |
US10740937B1 (en) * | 2019-02-21 | 2020-08-11 | Adobe Inc. | Freeform gradient style transfer |
US11423587B2 (en) * | 2019-06-26 | 2022-08-23 | Adobe Inc. | Freeform gradient style blending |
-
2021
- 2021-11-02 US US17/516,964 patent/US11699252B2/en active Active
-
2022
- 2022-08-18 CN CN202210992390.XA patent/CN116071444A/zh active Pending
- 2022-08-19 DE DE102022120964.4A patent/DE102022120964A1/de active Pending
- 2022-08-26 AU AU2022221556A patent/AU2022221556A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230135694A1 (en) | 2023-05-04 |
AU2022221556A1 (en) | 2023-05-18 |
US11699252B2 (en) | 2023-07-11 |
DE102022120964A1 (de) | 2023-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555795B (zh) | 高解析度风格迁移 | |
CN112308763A (zh) | 利用具有双流编码器架构的神经网络来生成合成数字图像 | |
US11423617B2 (en) | Subdividing a three-dimensional mesh utilizing a neural network | |
US20230086807A1 (en) | Segmented differentiable optimization with multiple generators | |
US11935217B2 (en) | Generating deep harmonized digital images | |
US20230070666A1 (en) | Neural network for image style translation | |
US11335050B2 (en) | Generating digital image editing guides by determining and filtering raster image content boundaries | |
US20220215642A1 (en) | Synchronized editing of locally repeating vector geometry | |
US11699252B2 (en) | Reconstructing freeform gradients from an input image | |
US11756238B2 (en) | Node lighting | |
US20230342991A1 (en) | Machine learning-based chroma keying process | |
US20240070975A1 (en) | Transform aware blend object generation | |
US11704843B2 (en) | Advanced application of color gradients to text | |
US20240087089A1 (en) | Reconstructing linear gradients | |
US11875442B1 (en) | Articulated part extraction from sprite sheets using machine learning | |
US20240161335A1 (en) | Generating gesture reenactment video from video motion graphs using machine learning | |
US11756264B2 (en) | Continuous optimization of discrete parameters using a unified stress indicator | |
US20240070891A1 (en) | Generating symmetrical repeat edits for images | |
US11551390B2 (en) | Generating deterministic digital image matching patches utilizing a parallel wavefront search approach and hashed random number | |
US20240020916A1 (en) | Node graph optimization using differentiable proxies | |
US20230316474A1 (en) | Enhancing detailed segments in latent code-based edited digital images | |
US20240028871A1 (en) | Wire segmentation for images using machine learning | |
US11763063B2 (en) | Propagating modifications made to an object to linked objects in a document | |
US20230342893A1 (en) | Transferring faces between digital images by combining latent codes utilizing a blending network | |
US11410357B2 (en) | Pixel-based techniques for combining vector graphics shapes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |