Learning Inclusion Matching for Animation Paint Bucket Colorization

将线描着色是手绘动画制作中至关重要的任务。通常，数字画家使用油漆桶工具根据由色彩设计师预先确定的RGB值手动为每个线条段着色。这种逐帧过程既费力又耗时。目前的自动化方法主要集中在分割匹配上。这种技术通过在帧之间对线条包围的段落内的特征进行对齐，将颜色从参考帧迁移到目标帧。然而，动画中的遮挡和皱纹经常破坏这些直接对应关系，导致不匹配。在这项工作中，我们介绍了一种新的基于学习的包含匹配流水线，该流水线指导网络理解段落之间的包含关系，而不仅仅依赖于直接的视觉对应关系。我们的方法采用了两阶段流水线，将粗略的颜色扭曲模块与包含匹配模块相结合，实现了更加细致和准确的着色。为了促进我们网络的训练，我们还开发了一个独特的数据集，称为PaintBucket-Character。该数据集包括渲染的线条艺术品及其着色的对应物，展示了各种3D角色。广泛的实验证明了我们的方法比现有技术更加有效和优越。

本论文旨在解决手绘动画线稿上色过程中的繁琐和耗时问题，提出了一种新的基于学习的包含匹配流程，以更准确地进行上色。

本论文提出了一个两阶段的上色流程，将粗略的色彩变形模块与包含匹配模块相结合，通过理解线条之间的包含关系进行上色，相比于现有技术有更好的效果。

论文提出了一个新的基于学习的包含匹配流程，通过理解线条之间的包含关系进行上色，相比于现有技术有更好的效果。为了训练网络，还开发了一个名为PaintBucket-Character的数据集。实验结果表明，本方法比现有技术更准确。

最近的相关研究包括基于分割匹配的自动上色技术和基于特征对齐的自动上色技术。