TreeSketchNet: From Sketch To 3D Tree Parameters Generation

要約

定型化されたスケッチからの非線形オブジェクトの 3D モデリングは、コンピューター グラフィックス (CG) の専門家にとっても困難です。
定型化されたスケッチからのオブジェクト パラメータの外挿は、非常に複雑で面倒な作業です。
本研究では、モデラーと 3D モデリング ソフトウェアの間を仲介し、様式化された木のスケッチを完全な 3D モデルに変換できるブローカー システムを提案します。
入力スケッチは、正確または詳細である必要はなく、モデラーが 3D モデル化したい木の基本的なアウトラインを表すだけで十分です。
私たちのアプローチは、適切に定義されたディープ ニューラル ネットワーク (DNN) アーキテクチャに基づいており、私たちは TreeSketchNet (TSN) と呼んでいます。これは、畳み込みに基づいており、モデリング ソフトウェアが解釈して 3D モデルを生成できる Weber パラメータと Penn パラメータを生成できます。
簡単なスケッチから始まるツリー。
トレーニング データセットは、専用の Blender モデリング ソフトウェア アドオンによって生成された Weber-Penn パラメータに関連付けられた、合成的に生成された \revision{(SG)} スケッチで構成されています。
提案された方法の精度は、TSN を合成スケッチと手作りスケッチの両方でテストすることによって実証されます。
最後に、予測されたパラメーターの一貫性をいくつかの際立った特徴で評価することにより、結果の定性的分析を提供します。

要約(オリジナル)

3D modeling of non-linear objects from stylized sketches is a challenge even for experts in Computer Graphics (CG). The extrapolation of objects parameters from a stylized sketch is a very complex and cumbersome task. In the present study, we propose a broker system that mediates between the modeler and the 3D modelling software and can transform a stylized sketch of a tree into a complete 3D model. The input sketches do not need to be accurate or detailed, and only need to represent a rudimentary outline of the tree that the modeler wishes to 3D-model. Our approach is based on a well-defined Deep Neural Network (DNN) architecture, we called TreeSketchNet (TSN), based on convolutions and able to generate Weber and Penn parameters that can be interpreted by the modelling software to generate a 3D model of a tree starting from a simple sketch. The training dataset consists of Synthetically-Generated \revision{(SG)} sketches that are associated with Weber-Penn parameters generated by a dedicated Blender modelling software add-on. The accuracy of the proposed method is demonstrated by testing the TSN with both synthetic and hand-made sketches. Finally, we provide a qualitative analysis of our results, by evaluating the coherence of the predicted parameters with several distinguishing features.

arxiv情報

著者 Gilda Manfredi,Nicola Capece,Ugo Erra,Monica Gruosso
発行日 2022-10-27 16:33:47+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV, cs.GR パーマリンク