西藏绘画素描提取的扩散概率模型
Fubo Wang1,2,3, Shengling Geng4,5,6, Zeyu Jia1,2,3
1Qinghai Normal University, School of Computer Science, Xining, 810008, China.
Scientific reports
|July 16, 2025
概括
使用扩散概率模型 (DPM) 的新方法DiffusionSketch有效提取清晰的西藏绘画草图. 这种方法在主观和客观评估中显著改进了现有的方法.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 数字艺术保护数字艺术保护
背景情况:
- 西藏绘画需要精细的草图,经常为不同的艺术品重新绘制相同的图案.
- 提取这些复杂的草图是至关重要的,但由于复杂的细节,具有挑战性.
- 现有的方法与藏族艺术特有的细线和颜色作斗争.
研究的目的:
- 开发一种自动化方法,从藏文绘画中提取高保真素描.
- 为了解决复杂的文化艺术作品当前素描提取技术的局限性.
- 引入基于扩散概率模型 (DPM) 的方法,用于增强草图生成.
主要方法:
- 拟议的 DiffusionSketch 方法使用 DPM 来提取草图.
- 两个阶段的特征提取捕捉全球和本地背景.
- 适应波纹波器和功能融合模块 (FFM) 进行功能集成.
- 生成对抗网络 (GAN) 用于改进草图输出并最大限度地减少扭曲.
主要成果:
- DiffusionSketch可以生成清晰,简洁,低噪音的西藏绘画草图.
- 该方法在河黄藏色绘画 (HHTP) 数据集上表现出卓越的性能.
- 在36种方法中获得了最高排名,在主观 (57.12%) 和客观 (18.30%) 评估中取得了显著的改进.
结论:
- DiffusionSketch提供了一种高效和有效的解决方案,用于提取西藏绘画素描.
- 基于DPM的方法成功地保留了复杂的细节和艺术品质.
- 这种方法为数字保存和复制文化艺术提供了有价值的工具.
