JP6676744B1 - 画像処理方法、画像処理システム及びプログラム - Google Patents
画像処理方法、画像処理システム及びプログラム Download PDFInfo
- Publication number
- JP6676744B1 JP6676744B1 JP2018247800A JP2018247800A JP6676744B1 JP 6676744 B1 JP6676744 B1 JP 6676744B1 JP 2018247800 A JP2018247800 A JP 2018247800A JP 2018247800 A JP2018247800 A JP 2018247800A JP 6676744 B1 JP6676744 B1 JP 6676744B1
- Authority
- JP
- Japan
- Prior art keywords
- image
- line drawing
- coloring
- target
- layer
- 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.)
- Active
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
Abstract
Description
コンピュータが、
要素ごとに、線画画像及び着色画像をペアとする学習データを記憶し、
前記要素ごとに、各前記要素の前記学習データを用いた機械学習により、前記線画画像から前記着色画像を推定する推定モデルを生成し、
着色対象の前記線画画像である対象線画画像を取得し、
前記対象線画画像に対応する前記要素を特定し、
特定した前記要素に対応する前記推定モデルと、前記対象線画画像とに基づき、前記対象線画画像に組み合わせる前記着色画像である対象着色画像を生成し、
前記対象着色画像を用いて、線画レイヤ及び着色レイヤを含む画像ファイルの前記着色レイヤを生成し、
前記対象線画画像に対応する前記線画レイヤを含む前記画像ファイルである対象画像ファイルに、生成した前記着色レイヤを挿入し、
ユーザ入力に基づき、前記着色レイヤを挿入された前記対象画像ファイルの前記着色レイヤを修正し、
修正した前記着色レイヤと、対応する前記線画レイヤとを、学習用の前記画像ペアとして抽出し、
抽出した前記線画レイヤの前記線画画像及び前記着色レイヤの前記着色画像のペアを、前記対象着色画像を生成する時に用いた前記推定モデルに対応する前記要素に対応付けて、前記学習データとして記憶する画像処理方法が提供される。
コンピュータが、
要素ごとに、線画画像及び着色画像をペアとする学習データを記憶し、
線画レイヤ及び着色レイヤを含む画像ファイルであって、学習用の前記画像ファイルを取得し、
学習用の前記画像ファイルから前記線画レイヤ及び前記着色レイヤを抽出し、
学習用の前記画像ファイルが示す画像に対応する前記要素を特定し、
抽出した前記線画レイヤの前記線画画像及び前記着色レイヤの前記着色画像のペアを、特定した前記要素に対応付けて前記学習データとして記憶し、
前記要素ごとに、各前記要素の前記学習データを用いた機械学習により、前記線画画像から前記着色画像を推定する推定モデルを生成し、
着色対象の前記線画画像である対象線画画像を取得し、
前記対象線画画像に対応する前記要素を特定し、
前記対象線画画像に対応する前記要素に対応する前記推定モデルと、前記対象線画画像とに基づき、前記対象線画画像に組み合わせる前記着色画像である対象着色画像を生成し、
前記対象着色画像を用いて前記画像ファイルの前記着色レイヤを生成し、
前記対象線画画像に対応する前記線画レイヤを含む前記画像ファイルである対象画像ファイルに、生成した前記着色レイヤを挿入し、
ユーザ入力に基づき、前記着色レイヤを挿入された前記対象画像ファイルの前記着色レイヤを修正し、
修正した前記着色レイヤを含む前記対象画像ファイルを、学習用の前記画像ファイルとして取得する画像処理方法が提供される。
要素ごとに、線画画像及び着色画像をペアとする学習データを記憶する手段と、
前記要素ごとに、各前記要素の前記学習データを用いた機械学習により、前記線画画像から前記着色画像を推定する推定モデルを生成する手段と、
着色対象の前記線画画像である対象線画画像を取得する手段と、
前記対象線画画像に対応する前記要素を特定する手段と、
特定した前記要素に対応する前記推定モデルと、前記対象線画画像とに基づき、前記対象線画画像に組み合わせる前記着色画像である対象着色画像を生成する手段と、
前記対象着色画像を用いて、線画レイヤ及び着色レイヤを含む画像ファイルの前記着色レイヤを生成する手段と、
前記対象線画画像に対応する前記線画レイヤを含む前記画像ファイルである対象画像ファイルに、生成した前記着色レイヤを挿入する手段と、
ユーザ入力に基づき、前記着色レイヤを挿入された前記対象画像ファイルの前記着色レイヤを修正する手段と、
修正した前記着色レイヤと、対応する前記線画レイヤとを、学習用の前記画像ペアとして抽出する手段と、
抽出した前記線画レイヤの前記線画画像及び前記着色レイヤの前記着色画像のペアを、前記対象着色画像を生成する時に用いた前記推定モデルに対応する前記要素に対応付けて、前記学習データとして記憶する手段と、
を有する画像処理システムが提供される。
コンピュータを、
要素ごとに、線画画像及び着色画像をペアとする学習データを記憶する手段、
前記要素ごとに、各前記要素の前記学習データを用いた機械学習により、前記線画画像から前記着色画像を推定する推定モデルを生成する手段、
着色対象の前記線画画像である対象線画画像を取得する手段、
前記対象線画画像に対応する前記要素を特定する手段、
特定した前記要素に対応する前記推定モデルと、前記対象線画画像とに基づき、前記対象線画画像に組み合わせる前記着色画像である対象着色画像を生成する手段、
前記対象着色画像を用いて、線画レイヤ及び着色レイヤを含む画像ファイルの前記着色レイヤを生成する手段、
前記対象線画画像に対応する前記線画レイヤを含む前記画像ファイルである対象画像ファイルに、生成した前記着色レイヤを挿入する手段、
ユーザ入力に基づき、前記着色レイヤを挿入された前記対象画像ファイルの前記着色レイヤを修正する手段、
修正した前記着色レイヤと、対応する前記線画レイヤとを、学習用の前記画像ペアとして抽出する手段、
抽出した前記線画レイヤの前記線画画像及び前記着色レイヤの前記着色画像のペアを、前記対象着色画像を生成する時に用いた前記推定モデルに対応する前記要素に対応付けて、前記学習データとして記憶する手段、
として機能させるプログラムが提供される。
まず、本実施形態の概要を説明する。本実施形態は、コンピュータが以下の処理を行う。
(2)着色対象の線画画像が与えられると、当該線画画像に対応する要素を特定し、特定した要素に対応する推定モデルと当該線画画像とに基づき、当該線画画像に組み合わせる着色画像を生成する。
(3)生成した着色画像に対して人間が修正を加えると、修正後の着色画像とそれに対応する線画画像を、新たな学習データとして記憶する。
次に、実施例を説明する。まず、本実施例のデータ構造を説明する。本実施例は、画像処理システムに入力される画像ファイルD、要素毎に学習データを格納するデータバケットB、及び、画像処理システムから出力される画像ファイルD´の、3つのデータ構造から構成される。
・Step-L1:学習用の画像ファイルDに、normalize関数を適用する。
・Step-L2:Step-L1の結果を、要素ごとに学習バケットBに格納するために、append関数を実行する。
・Step-L3:それぞれの学習バケットBaに、learn関数を適用し、学習モデルMaを生成する。
・Step-I1:ユーザが特定の要素aに該当する線画画像sを画像処理システムに入力すると、画像処理システムは、要素aに対応する学習モデルMaを用いて、線画画像sにinfer関数を適用し、着色画像cを生成する。
・Step-I2:Step-I1で得た着色画像cに、denoise関数を適用し、ノイズを除去した着色画像c´を得る。
・Step-I3:Step-I2で得た着色画像c´に、divide関数を適用し、レイヤ構造を有する画像ファイルD´を得る。
・Step-H1: Step-I3から出力された画像ファイルD´の着色レイヤを修正し、修正後の画像ファイルD´が学習用の画像ファイルDとして出力されると、上記Step-L1以降の学習プロセスが実行される。
1. コンピュータが、
要素ごとに、線画画像及び着色画像をペアとする学習データを記憶し、
前記要素ごとに、各前記要素の前記学習データを用いた機械学習により、前記線画画像から前記着色画像を推定する推定モデルを生成し、
着色対象の前記線画画像である対象線画画像を取得し、
前記対象線画画像に対応する前記要素を特定し、
特定した前記要素に対応する前記推定モデルと、前記対象線画画像とに基づき、前記対象線画画像に組み合わせる前記着色画像である対象着色画像を生成し、
前記対象着色画像を用いて、線画レイヤ及び着色レイヤを含む画像ファイルの前記着色レイヤを生成し、
前記対象線画画像に対応する前記線画レイヤを含む前記画像ファイルである対象画像ファイルに、生成した前記着色レイヤを挿入し、
ユーザ入力に基づき、前記着色レイヤを挿入された前記対象画像ファイルの前記着色レイヤを修正し、
修正した前記着色レイヤと、対応する前記線画レイヤとを、学習用の前記画像ペアとして抽出し、
抽出した前記線画レイヤの前記線画画像及び前記着色レイヤの前記着色画像のペアを、前記対象着色画像を生成する時に用いた前記推定モデルに対応する前記要素に対応付けて、前記学習データとして記憶する画像処理方法。
2. コンピュータが、
要素ごとに、線画画像及び着色画像をペアとする学習データを記憶し、
線画レイヤ及び着色レイヤを含む画像ファイルであって、学習用の前記画像ファイルを取得し、
学習用の前記画像ファイルから前記線画レイヤ及び前記着色レイヤを抽出し、
学習用の前記画像ファイルが示す画像に対応する前記要素を特定し、
抽出した前記線画レイヤの前記線画画像及び前記着色レイヤの前記着色画像のペアを、特定した前記要素に対応付けて前記学習データとして記憶し、
前記要素ごとに、各前記要素の前記学習データを用いた機械学習により、前記線画画像から前記着色画像を推定する推定モデルを生成し、
着色対象の前記線画画像である対象線画画像を取得し、
前記対象線画画像に対応する前記要素を特定し、
前記対象線画画像に対応する前記要素に対応する前記推定モデルと、前記対象線画画像とに基づき、前記対象線画画像に組み合わせる前記着色画像である対象着色画像を生成し、
前記対象着色画像を用いて前記画像ファイルの前記着色レイヤを生成し、
前記対象線画画像に対応する前記線画レイヤを含む前記画像ファイルである対象画像ファイルに、生成した前記着色レイヤを挿入し、
ユーザ入力に基づき、前記着色レイヤを挿入された前記対象画像ファイルの前記着色レイヤを修正し、
修正した前記着色レイヤを含む前記対象画像ファイルを、学習用の前記画像ファイルとして取得する画像処理方法。
3. 1又は2に記載の画像処理方法において、
前記コンピュータは、前記画像ファイルに含まれる複数のレイヤ各々を識別する情報に基づき、前記画像ファイルから前記線画レイヤ及び前記着色レイヤを抽出する画像処理方法。
4. 1から3のいずれかに記載の画像処理方法において、
前記コンピュータは、前記画像ファイルの名称に基づき、前記画像ファイルが示す画像に対応する前記要素を特定する画像処理方法。
5. 1から4のいずれかに記載の画像処理方法において、
前記コンピュータは、ユーザ入力に基づき前記対象画像ファイルの前記着色レイヤを修正した後、所定のユーザ入力を受付けると、修正した前記着色レイヤを含む前記対象画像ファイルを学習用の前記画像ファイルとして取得する画像処理方法。
6. 1から5のいずれかに記載の画像処理方法において、
1つの学習用の前記画像ファイルが示す画像には1つの前記要素が描かれている画像処理方法。
7. 要素ごとに、線画画像及び着色画像をペアとする学習データを記憶する手段と、
前記要素ごとに、各前記要素の前記学習データを用いた機械学習により、前記線画画像から前記着色画像を推定する推定モデルを生成する手段と、
着色対象の前記線画画像である対象線画画像を取得する手段と、
前記対象線画画像に対応する前記要素を特定する手段と、
特定した前記要素に対応する前記推定モデルと、前記対象線画画像とに基づき、前記対象線画画像に組み合わせる前記着色画像である対象着色画像を生成する手段と、
前記対象着色画像を用いて、線画レイヤ及び着色レイヤを含む画像ファイルの前記着色レイヤを生成する手段と、
前記対象線画画像に対応する前記線画レイヤを含む前記画像ファイルである対象画像ファイルに、生成した前記着色レイヤを挿入する手段と、
ユーザ入力に基づき、前記着色レイヤを挿入された前記対象画像ファイルの前記着色レイヤを修正する手段と、
修正した前記着色レイヤと、対応する前記線画レイヤとを、学習用の前記画像ペアとして抽出する手段と、
抽出した前記線画レイヤの前記線画画像及び前記着色レイヤの前記着色画像のペアを、前記対象着色画像を生成する時に用いた前記推定モデルに対応する前記要素に対応付けて、前記学習データとして記憶する手段と、
を有する画像処理システム。
8. コンピュータを、
要素ごとに、線画画像及び着色画像をペアとする学習データを記憶する手段、
前記要素ごとに、各前記要素の前記学習データを用いた機械学習により、前記線画画像から前記着色画像を推定する推定モデルを生成する手段、
着色対象の前記線画画像である対象線画画像を取得する手段、
前記対象線画画像に対応する前記要素を特定する手段、
特定した前記要素に対応する前記推定モデルと、前記対象線画画像とに基づき、前記対象線画画像に組み合わせる前記着色画像である対象着色画像を生成する手段、
前記対象着色画像を用いて、線画レイヤ及び着色レイヤを含む画像ファイルの前記着色レイヤを生成する手段、
前記対象線画画像に対応する前記線画レイヤを含む前記画像ファイルである対象画像ファイルに、生成した前記着色レイヤを挿入する手段、
ユーザ入力に基づき、前記着色レイヤを挿入された前記対象画像ファイルの前記着色レイヤを修正する手段、
修正した前記着色レイヤと、対応する前記線画レイヤとを、学習用の前記画像ペアとして抽出する手段、
抽出した前記線画レイヤの前記線画画像及び前記着色レイヤの前記着色画像のペアを、前記対象着色画像を生成する時に用いた前記推定モデルに対応する前記要素に対応付けて、前記学習データとして記憶する手段、
として機能させるプログラム。
2A メモリ
3A 入出力I/F
4A 周辺回路
5A バス
10 学習用画像ファイル入力部
11 学習データ生成部
12 分類部
13 学習データ記憶部
14 学習部
15 推定モデル記憶部
16 対象画像ファイル入力部
17 対象線画画像生成部
18 特定部
19 推定部
20 挿入部
21 出力部
22 修正部
Claims (8)
- コンピュータが、
要素ごとに、線画画像及び着色画像をペアとする学習データを記憶し、
前記要素ごとに、各前記要素の前記学習データを用いた機械学習により、前記線画画像から前記着色画像を推定する推定モデルを生成し、
着色対象の前記線画画像である対象線画画像を取得し、
前記対象線画画像に対応する前記要素を特定し、
特定した前記要素に対応する前記推定モデルと、前記対象線画画像とに基づき、前記対象線画画像に組み合わせる前記着色画像である対象着色画像を生成し、
前記対象着色画像を用いて、線画レイヤ及び着色レイヤを含む画像ファイルの前記着色レイヤを生成し、
前記対象線画画像に対応する前記線画レイヤを含む前記画像ファイルである対象画像ファイルに、生成した前記着色レイヤを挿入し、
ユーザ入力に基づき、前記着色レイヤを挿入された前記対象画像ファイルの前記着色レイヤを修正し、
修正した前記着色レイヤと、対応する前記線画レイヤとを、学習用の前記画像ペアとして抽出し、
抽出した前記線画レイヤの前記線画画像及び前記着色レイヤの前記着色画像のペアを、前記対象着色画像を生成する時に用いた前記推定モデルに対応する前記要素に対応付けて、前記学習データとして記憶する画像処理方法。 - コンピュータが、
要素ごとに、線画画像及び着色画像をペアとする学習データを記憶し、
線画レイヤ及び着色レイヤを含む画像ファイルであって、学習用の前記画像ファイルを取得し、
学習用の前記画像ファイルから前記線画レイヤ及び前記着色レイヤを抽出し、
学習用の前記画像ファイルが示す画像に対応する前記要素を特定し、
抽出した前記線画レイヤの前記線画画像及び前記着色レイヤの前記着色画像のペアを、特定した前記要素に対応付けて前記学習データとして記憶し、
前記要素ごとに、各前記要素の前記学習データを用いた機械学習により、前記線画画像から前記着色画像を推定する推定モデルを生成し、
着色対象の前記線画画像である対象線画画像を取得し、
前記対象線画画像に対応する前記要素を特定し、
前記対象線画画像に対応する前記要素に対応する前記推定モデルと、前記対象線画画像とに基づき、前記対象線画画像に組み合わせる前記着色画像である対象着色画像を生成し、
前記対象着色画像を用いて前記画像ファイルの前記着色レイヤを生成し、
前記対象線画画像に対応する前記線画レイヤを含む前記画像ファイルである対象画像ファイルに、生成した前記着色レイヤを挿入し、
ユーザ入力に基づき、前記着色レイヤを挿入された前記対象画像ファイルの前記着色レイヤを修正し、
修正した前記着色レイヤを含む前記対象画像ファイルを、学習用の前記画像ファイルとして取得する画像処理方法。 - 請求項1又は2に記載の画像処理方法において、
前記コンピュータは、前記画像ファイルに含まれる複数のレイヤ各々を識別する情報に基づき、前記画像ファイルから前記線画レイヤ及び前記着色レイヤを抽出する画像処理方法。 - 請求項1から3のいずれか1項に記載の画像処理方法において、
前記コンピュータは、前記画像ファイルの名称に基づき、前記画像ファイルが示す画像に対応する前記要素を特定する画像処理方法。 - 請求項1から4のいずれか1項に記載の画像処理方法において、
前記コンピュータは、ユーザ入力に基づき前記対象画像ファイルの前記着色レイヤを修正した後、所定のユーザ入力を受付けると、修正した前記着色レイヤを含む前記対象画像ファイルを学習用の前記画像ファイルとして取得する画像処理方法。 - 請求項1から5のいずれか1項に記載の画像処理方法において、
1つの学習用の前記画像ファイルが示す画像には1つの前記要素が描かれている画像処理方法。 - 要素ごとに、線画画像及び着色画像をペアとする学習データを記憶する手段と、
前記要素ごとに、各前記要素の前記学習データを用いた機械学習により、前記線画画像から前記着色画像を推定する推定モデルを生成する手段と、
着色対象の前記線画画像である対象線画画像を取得する手段と、
前記対象線画画像に対応する前記要素を特定する手段と、
特定した前記要素に対応する前記推定モデルと、前記対象線画画像とに基づき、前記対象線画画像に組み合わせる前記着色画像である対象着色画像を生成する手段と、
前記対象着色画像を用いて、線画レイヤ及び着色レイヤを含む画像ファイルの前記着色レイヤを生成する手段と、
前記対象線画画像に対応する前記線画レイヤを含む前記画像ファイルである対象画像ファイルに、生成した前記着色レイヤを挿入する手段と、
ユーザ入力に基づき、前記着色レイヤを挿入された前記対象画像ファイルの前記着色レイヤを修正する手段と、
修正した前記着色レイヤと、対応する前記線画レイヤとを、学習用の前記画像ペアとして抽出する手段と、
抽出した前記線画レイヤの前記線画画像及び前記着色レイヤの前記着色画像のペアを、前記対象着色画像を生成する時に用いた前記推定モデルに対応する前記要素に対応付けて、前記学習データとして記憶する手段と、
を有する画像処理システム。 - コンピュータを、
要素ごとに、線画画像及び着色画像をペアとする学習データを記憶する手段、
前記要素ごとに、各前記要素の前記学習データを用いた機械学習により、前記線画画像から前記着色画像を推定する推定モデルを生成する手段、
着色対象の前記線画画像である対象線画画像を取得する手段、
前記対象線画画像に対応する前記要素を特定する手段、
特定した前記要素に対応する前記推定モデルと、前記対象線画画像とに基づき、前記対象線画画像に組み合わせる前記着色画像である対象着色画像を生成する手段、
前記対象着色画像を用いて、線画レイヤ及び着色レイヤを含む画像ファイルの前記着色レイヤを生成する手段、
前記対象線画画像に対応する前記線画レイヤを含む前記画像ファイルである対象画像ファイルに、生成した前記着色レイヤを挿入する手段、
ユーザ入力に基づき、前記着色レイヤを挿入された前記対象画像ファイルの前記着色レイヤを修正する手段、
修正した前記着色レイヤと、対応する前記線画レイヤとを、学習用の前記画像ペアとして抽出する手段、
抽出した前記線画レイヤの前記線画画像及び前記着色レイヤの前記着色画像のペアを、前記対象着色画像を生成する時に用いた前記推定モデルに対応する前記要素に対応付けて、前記学習データとして記憶する手段、
として機能させるプログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018247800A JP6676744B1 (ja) | 2018-12-28 | 2018-12-28 | 画像処理方法、画像処理システム及びプログラム |
PCT/JP2019/050853 WO2020138182A1 (ja) | 2018-12-28 | 2019-12-25 | 画像処理方法、画像処理システム及びプログラム |
CN201980086315.3A CN113228111A (zh) | 2018-12-28 | 2019-12-25 | 图像处理方法、图像处理系统和程序 |
US17/360,536 US11880912B2 (en) | 2018-12-28 | 2021-06-28 | Image processing method, image processing system, and program for colorizing line-drawing images using machine learning |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018247800A JP6676744B1 (ja) | 2018-12-28 | 2018-12-28 | 画像処理方法、画像処理システム及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6676744B1 true JP6676744B1 (ja) | 2020-04-08 |
JP2020107239A JP2020107239A (ja) | 2020-07-09 |
Family
ID=70058010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018247800A Active JP6676744B1 (ja) | 2018-12-28 | 2018-12-28 | 画像処理方法、画像処理システム及びプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US11880912B2 (ja) |
JP (1) | JP6676744B1 (ja) |
CN (1) | CN113228111A (ja) |
WO (1) | WO2020138182A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553961A (zh) * | 2020-04-27 | 2020-08-18 | 北京奇艺世纪科技有限公司 | 线稿对应色图的获取方法和装置、存储介质和电子装置 |
CN113706645A (zh) * | 2021-06-30 | 2021-11-26 | 酷栈(宁波)创意科技有限公司 | 用于山水画绘制的信息处理方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023228229A1 (ja) * | 2022-05-23 | 2023-11-30 | 日本電気株式会社 | 画像処理装置、画像処理方法、およびプログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9566522B2 (en) * | 2005-05-27 | 2017-02-14 | Nokia Technologies Oy | Device, method, and computer program product for customizing game functionality using images |
CN101477695A (zh) * | 2009-01-05 | 2009-07-08 | 东南大学 | 一种图像和视频快速着色的方法 |
CN106803232A (zh) * | 2016-11-30 | 2017-06-06 | 上海仙剑文化传媒股份有限公司 | 一种数字图像上色方法及装置 |
US11238623B2 (en) * | 2017-05-01 | 2022-02-01 | Preferred Networks, Inc. | Automatic line drawing coloring program, automatic line drawing coloring apparatus, and graphical user interface program |
JP7252701B2 (ja) * | 2017-05-23 | 2023-04-05 | 株式会社Preferred Networks | システム、プログラム、および方法 |
CN107330956B (zh) * | 2017-07-03 | 2020-08-07 | 广东工业大学 | 一种漫画手绘图无监督上色方法及装置 |
JP7242165B2 (ja) * | 2017-09-20 | 2023-03-20 | 株式会社Preferred Networks | プログラム、情報処理装置、および方法 |
CN108830913B (zh) * | 2018-05-25 | 2022-05-17 | 大连理工大学 | 基于用户颜色引导的语义级别线稿上色方法 |
-
2018
- 2018-12-28 JP JP2018247800A patent/JP6676744B1/ja active Active
-
2019
- 2019-12-25 CN CN201980086315.3A patent/CN113228111A/zh active Pending
- 2019-12-25 WO PCT/JP2019/050853 patent/WO2020138182A1/ja active Application Filing
-
2021
- 2021-06-28 US US17/360,536 patent/US11880912B2/en active Active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111553961A (zh) * | 2020-04-27 | 2020-08-18 | 北京奇艺世纪科技有限公司 | 线稿对应色图的获取方法和装置、存储介质和电子装置 |
CN111553961B (zh) * | 2020-04-27 | 2023-09-08 | 北京奇艺世纪科技有限公司 | 线稿对应色图的获取方法和装置、存储介质和电子装置 |
CN113706645A (zh) * | 2021-06-30 | 2021-11-26 | 酷栈(宁波)创意科技有限公司 | 用于山水画绘制的信息处理方法 |
Also Published As
Publication number | Publication date |
---|---|
US11880912B2 (en) | 2024-01-23 |
WO2020138182A1 (ja) | 2020-07-02 |
CN113228111A (zh) | 2021-08-06 |
JP2020107239A (ja) | 2020-07-09 |
US20210327104A1 (en) | 2021-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10839575B2 (en) | User-guided image completion with image completion neural networks | |
JP6676744B1 (ja) | 画像処理方法、画像処理システム及びプログラム | |
US8380005B1 (en) | System and method for image composition using non-destructive editing model and fast gradient solver | |
CN106780293B (zh) | 头部特写肖像的样式传递 | |
DE102018007941A1 (de) | Generieren eines Dreiecksnetzes für ein Bild, das durch Kurven dargestellt wird | |
DE102017005880A1 (de) | Fontersetzung auf Grundlage optischer Ähnlichkeit | |
CN110766776B (zh) | 生成表情动画的方法及装置 | |
EP3992919B1 (en) | Three-dimensional facial model generation method and apparatus, device, and medium | |
CN111275784B (zh) | 生成图像的方法和装置 | |
US20180365565A1 (en) | Dataset for learning a function taking images as inputs | |
CN110832583A (zh) | 用于从多个图像帧生成概要故事板的系统和方法 | |
US20210398331A1 (en) | Method for coloring a target image, and device and computer program therefor | |
CN111127309B (zh) | 肖像风格迁移模型训练方法、肖像风格迁移方法以及装置 | |
US20230267686A1 (en) | Subdividing a three-dimensional mesh utilizing a neural network | |
JPWO2018203374A1 (ja) | 線画自動着色プログラム、線画自動着色装置及びグラフィカルユーザインターフェース用プログラム | |
US20230086807A1 (en) | Segmented differentiable optimization with multiple generators | |
JP2008140385A (ja) | キャラクタアニメーション時の皮膚のしわのリアルタイム表現方法及び装置 | |
WO2021106855A1 (ja) | データ生成方法、データ生成装置、モデル生成方法、モデル生成装置及びプログラム | |
WO2023207779A1 (zh) | 图像处理方法、装置、设备及介质 | |
CN113223128B (zh) | 用于生成图像的方法和装置 | |
CN113470124B (zh) | 特效模型的训练方法及装置、特效生成方法及装置 | |
US20230079478A1 (en) | Face mesh deformation with detailed wrinkles | |
CN110047118B (zh) | 视频生成方法、装置、计算机设备及存储介质 | |
DE102021124428A1 (de) | Trainieren energiebasierter variational autoencoder | |
CN113487475A (zh) | 交互式图像编辑方法、系统、可读存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191023 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20191023 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200210 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200212 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200225 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200312 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6676744 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |