Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
텍스트나 이미지를 기반으로 벡터 형식의 단선 드로잉을 생성하는 최초의 의미론적 최적화 방법을 제안합니다. 점수 증류 샘플링을 통해 URBS 곡선을 최적화하여 하나의 연속된 선으로 구성된 예술적 결과물을 생성합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.GR (Graphics)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기선화(Line drawings)는 예술가가 대상의 본질을 추상화하고 추출해야 하는 매우 표현력이 풍부한 예술 형태입니다. 본 논문에서는 개념을 설명하는 텍스트 프롬프트(text prompt) 또는 이를 묘사하는 입력 이미지(input image)의 안내를 받아, 벡터 형식(vector format)의 단선 드로잉(single-line drawings)을 자동으로 생성하는 최초의 의미론적 최적화(semantics-driven) 방법을 제시합니다. 우리의 접근 방식은 점수 증류 샘플링(score distillation sampling)을 활용하여 균일 유리 B-스플라인(uniform rational B-spline, URBS) 곡선의 파라미터를 최적화하며, 이를 통해 설계 단계부터 드로잉이 하나의 연속된 선(single continuous stroke)으로 구성되도록 보장합니다. 이러한 표현 방식은 세부 수준에 대한 미세한 제어를 제공하는 동시에, 추가적인 손실 항(loss terms)을 통해 최종적인 예술적 스타일을 조절할 수 있게 합니다. 우리는 본 방법이 이 작업에 대한 최신 텍스트-이미지(text-to-image) 모델 및 최적화 파이프라인(optimization pipelines)보다 뛰어난 성능을 보임을 입증하였으며, 미학적으로 더 즐거움을 줄 뿐만 아니라 연속 선 드로잉 예술가들의 스타일에도 더 충실한 결과를 생성함을 보여줍니다. 또한, 우리의 방법은 벡터화된 곡선(vectorized curve)을 생성하기 때문에 자수(embroidery), 레이저 각인(laser engraving), 와이어 벤딩(wire bending)과 같은 후속 제작 공정(downstream fabrication processes)을 직접적으로 지원합니다. 우리의 코드와 결과는 https://github.com/tanguymagne/SLDgen 에서 확인할 수 있습니다.