Loomis Painter：重构绘画过程
计算机视觉与模式识别
2025-12-01 v2
摘要
逐步的绘画教程对学习艺术技巧至关重要，但现有视频资源（如 YouTube）缺乏交互性和个性化。虽然近期的生成模型在艺术图像合成方面取得了进展，但它们在媒介间难以泛化，常出现时间或结构不一致，阻碍可靠复现人类创作流程。为此，我们提出一种统一框架，用于多媒体绘画过程生成，配合语义驱动的风格控制机制，将多种媒介嵌入扩散模型的条件空间，并使用跨媒体风格增强。实现跨风格下的纹理演化一致性和过程迁移。反向绘画训练策略进一步确保平滑、符合人类水平的生成。我们还构建了大规模真实绘画过程数据集，并评估了跨媒体一致性、时间连贯性和最终图像保真度，在 LPIPS、DINO 和 CLIP 指标上取得优异成绩。最后，我们的感知距离曲线（PDP）定量建模了创作序列，即构图、颜色填充和细节精炼，映射了人类艺术创作的进程。
引用
@article{arxiv.2511.17344,
title = {Loomis Painter: Reconstructing the Painting Process},
author = {Markus Pobitzer and Chang Liu and Chenyi Zhuang and Teng Long and Bin Ren and Nicu Sebe},
journal= {arXiv preprint arXiv:2511.17344},
year = {2025}
}