Zobrazeno 1 - 10
of 2 527
pro vyhledávání: '"texture transfer"'
Autor:
Zhang, Cheng, Wang, Yuanhao, Carrasco, Francisco Vicente, Wu, Chenglei, Yang, Jinlong, Beeler, Thabo, De la Torre, Fernando
We introduce FabricDiffusion, a method for transferring fabric textures from a single clothing image to 3D garments of arbitrary shapes. Existing approaches typically synthesize textures on the garment surface through 2D-to-3D texture mapping or dept
Externí odkaz:
http://arxiv.org/abs/2410.01801
Novel view synthesis (NVS) aims to generate images at arbitrary viewpoints using multi-view images, and recent insights from neural radiance fields (NeRF) have contributed to remarkable improvements. Recently, studies on generalizable NeRF (G-NeRF) h
Externí odkaz:
http://arxiv.org/abs/2410.00672
Recently, text-guided image editing has achieved significant success. However, existing methods can only apply simple textures like wood or gold when changing the texture of an object. Complex textures such as cloud or fire pose a challenge. This lim
Externí odkaz:
http://arxiv.org/abs/2409.09610
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
How to automatically transfer the dynamic texture of a given video to the target still image is a challenging and ongoing problem. In this paper, we propose to handle this task via a simple yet effective model that utilizes both PatchMatch and Transf
Externí odkaz:
http://arxiv.org/abs/2402.00606
Autor:
Jiang, ShiQi
In the task of texture transfer, reference texture images typically exhibit highly repetitive texture features, and the texture transfer results from different content images under the same style also share remarkably similar texture patterns. Encodi
Externí odkaz:
http://arxiv.org/abs/2306.16846
Publikováno v:
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Vol 17, Pp 11536-11549 (2024)
Traditional methods for acquiring high-resolution digital elevation models (DEMs) are costly and laborious. Deep-learning-based image superresolution (SR) offers a promising alternative but requires substantial training data. High-resolution DEMs, ho
Externí odkaz:
https://doaj.org/article/1057d53184984f63839e1e3f1db152ee
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Wang, Yu1,2 (AUTHOR), Shao, Zhenfeng1 (AUTHOR) shaozhenfeng@whu.edu.cn, Lu, Tao3 (AUTHOR), Huang, Xiao4 (AUTHOR), Wang, Jiaming3 (AUTHOR), Chen, Xitong3 (AUTHOR), Huang, Haiyan1 (AUTHOR), Zuo, Xiaolong1 (AUTHOR)
Publikováno v:
Remote Sensing. Dec2023, Vol. 15 Issue 23, p5503. 17p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.