ChildlikeSHAPES：用于人物画动画化的语义分层区域解析
图形学
2025-04-14 v1
摘要
儿童风格的人物画代表了人类最易接触的角色表达形式之一，然而自动分析其内容仍然是一个重大挑战。尽管逼真人类的语义分割最近取得了长足进步，但现有模型在面对儿童风格画作的抽象和表意特性时往往会失效。这种语义理解是动画工具在保持角色独特风格的同时修改人物的关键前提。为了帮助实现这一目标，我们提出了一种新颖的分层分割模型，该模型建立在 SAM 的架构和预训练基础上，以快速准确地获取这些语义标签。即使经过微调，我们的模型也比专注于逼真人类和卡通人物的 SOTA 分割模型取得了更高的准确率。我们通过多个应用展示了模型在语义分割方面的价值：全自动面部动画流水线、人物重照明流水线、对现有儿童风格人物画动画方法的改进，以及对领域外人物的泛化。最后，为了支持该领域的未来工作，我们引入了一个包含 16,000 幅儿童风格画作的数据集，涵盖 25 个语义类别的像素级标注。我们的工作可以为手绘角色动画提供全新的、易于使用的工具，我们的数据集可以在各种图形学和以人为中心的研究领域中开辟新的探索途径。
引用
@article{arxiv.2504.08022,
title = {ChildlikeSHAPES: Semantic Hierarchical Region Parsing for Animating Figure Drawings},
author = {Astitva Srivastava and Harrison Jesse Smith and Thu Nguyen-Phuoc and Yuting Ye},
journal= {arXiv preprint arXiv:2504.08022},
year = {2025}
}