基于笔划布置特征学习的视频非真实感绘制

近年来，视频逐渐成为媒体的重要形式之一。基于视频的非真实感绘制，可以制作出与众不同的艺术化视频效果，因而逐渐成为重要的需求。本项目针对使用笔划作为创作单元的一类艺术风格（如油画、铅笔划、水彩等），对笔划布置特征进行学习和分类，在此基础上对输入的真实视频进行艺术特征的迁移转换，生成具有指定艺术风格的视频序列，使得艺术效果表现突出，并且艺术风格整体布局更加合理；并研究视频非真实感绘制的并行算法，以提高绘制效率，缩短制作时间。本项目的特色和创新之处主要在于：1.结合谱方法的视频重要性物体检测和提取；2.基于笔划布置特征的艺术风格提取与迁移；3.艺术化视频的生成与并行加速。项目预期成果为：发表高水平的国际期刊和会议论文6篇以上，申请专利和软件著作权4项以上，实现图像和视频的非真实感绘制算法验证平台。

本项目旨在针对笔划作为创作单元的一类艺术风格（如油画、铅笔画、水彩等），对笔划布置特征进行学习和分类，并对输入的真实视频进行艺术特征的迁移转换，快速生成具有指定艺术风格的视频序列，使得艺术效果表现突出，并且艺术风格整体布局更加合理。.本项目完成的具体研究内容包括：在面向艺术表现的重要性内容提取方面，实现了一种重点考虑人脸的重要性区域提取方法；在基本图像/视频绘制研究方面，提出了基于笔划限制和油画纹理，以及内容相关笔画两种不同的绘画渲染方法，并提出了一种预处理策略以增强绘制结果的艺术气息；在艺术化特征的提取与学习方面，提出了基于颜色特征与绘制特征学习的绘画渲染方法；在视频渲染方面，提出了一种基于视频分层的艺术化视频生成方法；在绘制系统生成方面，我们提出了相应的并行化策略，并针对图像及视频的风格化处理需求设计了一套完整的图像/视频绘画风格渲染系统。.在本项目的资助下，课题组培养了硕士研究生3人，博士后2人，发表论文9篇（其中SCI论文6篇），在审国际期刊论文2篇，申请发明专利8项（已授权4项），登记软件著作权1项。