文献

J-GLOBAL ID：202202233468212789   整理番号：22A0480406

大域-局所制御によるマルチスタイル地形のオーサリング【JST・京大機械翻訳】

Authoring multi-style terrain with global-to-local control

著者 (6件)： Zhang Jian (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Li Chen (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Zhou Peichi (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Wang Changbo (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  He Gaoqi (School of Computer Science and Technology, East China Normal University, Shanghai, China) ,  Qin Hong (Department of Computer Science, Stony Brook University, Stony Brook, USA)
資料名： Graphical Models  (Graphical Models)
巻： 119  ページ： Null  発行年： 2022年 
JST資料番号： W0183A  ISSN： 1524-0703  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 自然地形の外観スタイルは,実世界で地域から地域まで著しく変化し,コンピュータグラフィックスにおいてあるスタイルで現実的地形を効果的に生産する強い必要性がある。本論文では,実際の地形データから直接学習し,推論できるマルチスタイル地形の迅速合成への新しいニューラルネットワークアプローチを提案する。重要なアイデアは,潜在空間における獲得スタイルの最大距離埋込みを奨励し,有利にする条件付き生成敵対ネットワーク(GAN)を明示的に考案することである。この機能に向けて,著者らは最初に,それらのスタイル属性において明白な地形スタイル多様性を示すデータセットを集めた。第2に,異なる地形スタイルを識別することができる多重識別器を設計した。第3に,著者らは,異なる空間スケールにおける地形特性を抽出するために,識別器を採用して,このように,開発した発電機は,より細かいスケールとより粗いスケールスタイルを融合することによって,新しい地形を作り出すことができた。著者らの実験では,広い範囲の領域をカバーする実際の地形データから10の典型的地形データセットを集めた。提案アプローチは,グローバルからローカルなスタイル制御を有する現実的な地形をうまく生成する。実験結果は,著者らのニューラルネットワークが,高い忠実度を有する自然地形を作り出すことができることを確認し,それは,地形の著者の作業のために,スタイルの補間とスタイル混合に対して,利用者に優しい。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 弁別器 ,  学習 ,  コンピュータグラフィックス ,  *ネットワーク ,  ニューラルネットワーク ,  多重化
準シソーラス用語： *局所制御 , 【Automatic Indexing@JST】

著者キーワード (3件)： 地形オーサリング ,  生成敵対ネットワーク(GAN) ,  形状モデリング

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 局所制御 ,  マルチ ,  スタイル ,  地形