Presentation is loading. Please wait.

Presentation is loading. Please wait.

Coherent Line Drawing 논문 세미나 그래픽스 연구실 윤종철 2008.5.22 1.

Similar presentations

Presentation on theme: "Coherent Line Drawing 논문 세미나 그래픽스 연구실 윤종철 2008.5.22 1."— Presentation transcript:

1 Coherent Line Drawing 논문 세미나 그래픽스 연구실 윤종철

2 목차 Abstract 1. Introduction 1.1 Related work 1.2 Contribution and Overview 2. Flow construction 2.1 Edge Tangent Flow 3. Line construction 3.1 Flow-based Difference-of-Gaussians 3.2 Iterative FDoG filtering 4. Results 5. Discussion and Future work 2

3 Abstract 3

4 Abstract Image 로부터 automatically Line 을 drawing 하는 NPR technique 제안 Coherent, smooth, stylistic line 에 초 점 Noise 는 억제하고, highly coherent line 을 찾는 flow-guided anisotropic filtering 소개 간단하고 구현이 쉬운 method 4

5 1. Introduction 5

6 Line drawing 은 prehistoric ages 로 부터 visual communication 의 the simplest, oldest 임이 틀림없다. Line drawing 은 minimal amount of data 를 사용하고, object shape 을 효 율적으로 나타낼 수 있음 6

7 1. Introduction Object surface 의 tonal information 이 아닌 shape 을 그리는 Black-and- white line drawing 에 초점 Image 로부터 line 을 그리는 Automatic technique Clean, smooth, coherent, stylistic line 7

8 1. Introduction Flow-driven anisotropic filtering framework 가 main contribution Edge detection filter 를 변형하여 flow 에 의해 정의된 anisotropic kernel 에 적용 Noise 억제 8

9 1.1 Related work NPR community 에서, 3D model 의 line 을 그리는 methods 9 Coherent Stylized Silhouetees [Kalnins et al. 2003] Suggestive Contours for Conveying Shape [DeCarlo et al. 2003] A Few Good Lines: Suggestive Drawing of 3D Models Sousa and Prusinkiewicz 2003]

10 1.1 Related work 순수한 line drawing 보다 부분적으로 사용 ex) color, tone, material etc. 10 Interactive pen-and-ink illustration [Salisbury et al. 1994] Processing images and video for an impressionist effect [Litwinowicz 1997]

11 1.1 Related work Photograph tooning 같은 NPR style 은 explicit display of line 을 요구 11 Stylization and Abstraction of Photographs [DeCarlo and Santella 2002]

12 1.1 Related work 12 Real-time video abstraction [Winnemoller et al. 2006]

13 1.2 contribution and Overview 기술적인 contribution 2 가지 ◦ feature-preserving local edge flow(edge tangent flow 라고 불리는 ), Kernel-based nonlinear vector smoothing technique 개발 ◦ Line illustration 을 그리는 Flow-based anisotropic DoG filtering technique 제안 13

14 1.2 contribution and Overview Advantages ◦ Line coherence:  kernel size 조정으로 isolated edge point 의 set 으로부터 line drawing 가능 ◦ Robustness:  noise 억제 spurious line 줄임 ◦ Quality: good ◦ Simplicity: 구현 쉬움 ◦ Generality:  flow-based filtering framework 가 general. Feature preservation term 에서 다른 filter 사용가능 14

15 2. Flow construction 15

16 2.1 Edge Tangent Flow High-quality line drawing 을 위해 vector field 는 다음 요구를 만족해야 ◦ Vector flow must describe the salient edge tangent direction in the neighborhood ◦ Neighboring vectors must be smoothly aligned except at sharp corners ◦ Important edges must retain their original directions 16

17 2.1 Edge Tangent Flow 17

18 2.1 Edge Tangent Flow 각 pixel-centered kernel 에서, nonlinear vector smoothing 을 실행 ◦ 두드러진 edge direction 은 보존, 약한 edge 는 이 웃의 지배적인 direction 을 따르게. ◦ Sharp corners 보존하고 원하지 않는 swirling artifact 를 피하기 위해 similar orientation 의 edge 에 smoothing 을 장려. ◦ 강하지만 관계없는 vector 에 영향을 받는 약한 vector 를 예방 18

19 2.1 Edge Tangent Flow  X : (x, y) image pixel  I(x) : input image  : Neighborhood of x  k : vector normalizing term  t(x) : edge tangent: a vector perpendicular to the image gradient 19

20 2.1 Edge Tangent Flow  For the spatial weight function Ws, radially-symmetric box filter of radius r, where r is the radius of the kernel : 20

21 2.1 Edge Tangent Flow  The other two weight functions, Wm and Wd, play the key role in feature preserving.  Wm : magnitude weight function  denotes the normalized gradient magnitude at z, and controls the fall-off rate  Wd : direction weight function 21

22 2.1 Edge Tangent Flow  denotes the ‘current’ normalized tangent vector at y  Sign function  This induces tighter alignment of vectors while avoiding swirling flows 22

23 2.1 Edge Tangent Flow ◦ t(x) 는 initial gradient map of the input image I 로 부터 perpendicular vector 를 구해서 얻음 ◦ t(x) 는 normalize 된 후 사용 ◦ Initial gradient map 은 Sobel operator(appendix 참고 ) 로 계산 ◦ Our filter 는 ETF 를 update 하기 위해 iteratively 제 공할 수 있음 : ◦ g(x) 도 따라서 update 됨 (gradient magnitude 는 변하지 않음 ) ◦ 본 논문에서는 2~3 번 update 했음 23

24 Appendix : Sobel operator Mathematically, the operator uses two 3×3 kernels which are convolved w ith the original image to calculate approximations of the derivatives - one f or horizontal changes, and one for vertical. If we define A as the source i mage, and G x and G y are two images which at each point contain the hori zontal and vertical derivative approximations, the computations are as foll ow: 24

25 2.2 Discussion 25

26 26 3. Line construction

27 3.1 Flow-based Difference-of- Gaussians ◦ 방정식 1 에 의해 만들어진 local flow 에 의해 모양 이 정의된 커널을 사용하는 flow-guided anisotropic DoG filter 를 제공 ◦ t(x) 는 local edge 방향을 나타내고 이것은 gradient 의 수직방향에서 highest contrast 를 가질 가능성이 높을 것이라는 것을 의미 ◦ 이 idea 는 edge flow 를 따라서 이 gradient direction 에 linear DoG filter 를 제공하는 것 ◦ flow 를 따라 filter 의 반응을 누적 27

28 3.1 Flow-based Difference-of- Gaussians 28

29 3.1 Flow-based Difference-of- Gaussians 29

30 3.1 Flow-based Difference-of- Gaussians 30

31 3.1 Flow-based Difference-of- Gaussians 31

32 3.1 Flow-based Difference-of- Gaussians 32

33 3.2 Iterative FDoG filtering FDoG 에서 파라미터 변경하는 것보다 iterative FDoG filtering 은 line coherence 를 향상에 종종 더 효과 원본 이미지에 (10) 에서 얻은 이미지 중첩시키고 다시 FDoG filter 사용 만족할 때까지 반복 FDoG filter 사용 전에 Gaussian-blur 쓰면 더 smooth 해짐 33 초기에 disconnected component 는 connect 됨

34 4. Results 34

35 4. Results 35

36 4. Results 36

37 4. Results(Bonus) 37

38 5. Discussion and Future work DoG filter 기반인 우리의 FDoG filter 는 몇몇 limitation 공유  high-contrast background 일 때, 비록 이 area 가 지각에 의 해 중요하지 않아도 line 의 빽빽한 집합으로 채워짐  well-defined strokes 보다는 line 이 픽셀 집합처럼 형성  isolated edge segments 에 FDoG filter 유용, but 여전히 local kernel 상에서 작동하기 때문에 global scale subjective contour 는 찾기 어려움 future work  가속 38

39 END 39

Download ppt "Coherent Line Drawing 논문 세미나 그래픽스 연구실 윤종철 2008.5.22 1."

Similar presentations

Ads by Google