保留网点的漫画重定目标

作为一种流行的漫画风格，漫画通过利用丰富的双色调图案（即网点）进行绘制，呈现出独特观感。然而，网点在重采样后容易出现视觉不佳的锯齿和/或模糊，损害其在不同分辨率显示器上的可视化效果。为解决该问题，我们提出首个漫画重定目标方法，在合成缩放后漫画图像的同时保留各加网区域内的网点。由于准确的区域级分割仍具挑战性，这是一项非平凡任务。幸运的是，缩放后漫画与原漫画具有相同的区域级网点对应关系，这使我们可以将网点合成问题简化为基于锚点的候选生成与重排问题。具体而言，我们设计了一种新颖的漫画采样策略，基于连接原漫画与目标缩放漫画对应关系的分层网格锚点，生成无锯齿的网点候选。此外，提出循环候选选择模块（RPSM）以自适应地整合这些候选用于目标网点合成。另外，针对网点的平移不敏感特性，我们提出平移不变网点损失以促进训练收敛。我们进行了大量定性与定量实验验证方法有效性，且与现有替代技术相比取得了引人注目的结果。