Fugu-MT 論文翻訳(概要): Simple Primary Colour Editing for Consumer Product Images

論文の概要: Simple Primary Colour Editing for Consumer Product Images

arxiv url: http://arxiv.org/abs/2006.03743v1
Date: Sat, 6 Jun 2020 00:24:56 GMT
ステータス: 処理完了
システム内更新日: 2022-11-24 22:00:14.956613
Title: Simple Primary Colour Editing for Consumer Product Images
Title（参考訳）: 消費者製品画像のための簡易一次色編集
Authors: Han Gong, Luwen Yu, Stephen Westland
Abstract要約: 色補正と色ブレンディングにより、痛みを伴う色編集作業を自動化することができることを示す。予備実験は、最先端の手法と人間の編集と比較して有望な結果を示している。
参考スコア（独自算出の注目度）: 2.294014185517203
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a simple primary colour editing method for consumer product images. We show that by using colour correction and colour blending, we can automate the pain-staking colour editing task and save time for consumer colour preference researchers. To improve the colour harmony between the primary colour and its complementary colours, our algorithm also tunes the other colours in the image. Preliminary experiment has shown some promising results compared with a state-of-the-art method and human editing.
Abstract（参考訳）: 消費者製品画像に対する簡易な一次色編集手法を提案する。色補正と色ブレンドを用いることで,色編集作業の自動化と,消費者色選好研究者の時間を節約できることを示す。一次色とその相補色間の色調和を改善するため、このアルゴリズムは画像内の他の色も調整する。予備実験は、最先端の手法と人間の編集と比較して有望な結果を示している。

関連論文リスト

ColorEdit: Training-free Image-Guided Color editing with diffusion model [23.519884152019642]
画像編集タスクにはテキスト・ツー・イメージ(T2I)拡散モデルが採用されており、顕著な有効性を示している。しかし, テキストプロンプトから, 物体のクロスアテンションマップと新たな色属性との衝突や注意漏れにより, テキスト誘導画像編集法では物体の色が変化しない可能性がある。本稿では,物体の色を微調整や訓練を必要とせず,手軽で安定的で効果的な画像誘導手法を提案する。
論文参考訳（メタデータ） (2024-11-15T14:45:58Z)
Paint Bucket Colorization Using Anime Character Color Design Sheets [72.66788521378864]
ネットワークがセグメント間の関係を理解することができる包摂的マッチングを導入する。ネットワークのトレーニングパイプラインは、カラー化と連続フレームカラー化の両方のパフォーマンスを著しく向上させる。ネットワークのトレーニングをサポートするために、PaintBucket-Characterというユニークなデータセットを開発しました。
論文参考訳（メタデータ） (2024-10-25T09:33:27Z)
Automatic Controllable Colorization via Imagination [55.489416987587305]
本稿では,反復的な編集と修正が可能な自動色付けフレームワークを提案する。グレースケール画像内のコンテンツを理解することにより、トレーニング済みの画像生成モデルを用いて、同じコンテンツを含む複数の画像を生成する。これらの画像は、人間の専門家の過程を模倣して、色付けの参考となる。
論文参考訳（メタデータ） (2024-04-08T16:46:07Z)
Control Color: Multimodal Diffusion-based Interactive Image Colorization [81.68817300796644]
Control Color (Ctrl Color) は、事前訓練された安定拡散(SD)モデルを利用する多モードカラー化手法である。ユーザのストロークをエンコードして、局所的な色操作を正確に行うための効果的な方法を提案する。また、カラーオーバーフローと不正確な色付けの長年の問題に対処するために、自己注意に基づく新しいモジュールとコンテンツ誘導型変形可能なオートエンコーダを導入する。
論文参考訳（メタデータ） (2024-02-16T17:51:13Z)
DiffColor: Toward High Fidelity Text-Guided Image Colorization with Diffusion Models [12.897939032560537]
そこで我々はDiffColorと呼ばれる新しい手法を提案し、プロンプトテキストに条件付けされた鮮やかな色を復元する。私たちはまず、CLIPベースのコントラスト損失を用いて色付き画像を生成するために、事前訓練されたテキスト・ツー・イメージ・モデルを微調整する。次に、色付き画像とテキストプロンプトを整列した最適化されたテキスト埋め込みと、高品質な画像再構成を可能にする微調整拡散モデルを得る。提案手法は,複数回の反復で鮮やかな多彩な色を生成でき,その構造と背景をそのままに保ちつつ,対象言語指導に適合させる。
論文参考訳（メタデータ） (2023-08-03T09:38:35Z)
PalGAN: Image Colorization with Palette Generative Adversarial Networks [51.59276436217957]
そこで本研究では,パレット推定とカラーアテンションを統合した新しいGANベースのカラー化手法PalGANを提案する。 PalGANは、定量的評価と視覚比較において最先端の成果を上げ、顕著な多様性、コントラスト、およびエッジ保存の外観を提供する。
論文参考訳（メタデータ） (2022-10-20T12:28:31Z)
Towards Photorealistic Colorization by Imagination [48.82757902812846]
本稿では,人間の想像力を模倣した画像の自動色付け手法を提案する。我々の研究は、最先端の画像カラー化手法よりも、よりカラフルで多彩な結果をもたらす。
論文参考訳（メタデータ） (2021-08-20T14:28:37Z)
Towards Vivid and Diverse Image Colorization with Generative Color Prior [17.087464490162073]
最近のディープラーニングベースの手法は、画像のカラー化を低コストで行うことができる。我々は,事前学習されたGAN(Generative Adversarial Networks)にカプセル化されている,豊かで多様な色を活かして鮮やかな色を復元することを目的としている。先進的なデザインと繊細なデザインの強力な生成色のおかげで、我々の手法は1つの前進パスで鮮やかな色を作り出すことができた。
論文参考訳（メタデータ） (2021-08-19T17:49:21Z)
Image color correction, enhancement, and editing [14.453616946103132]
画像信号処理装置(ISP)の立場から見た色補正問題について検討する。特に,新しいカラーのカメラレンダリング画像の異なる実写版を生成するためのオートイメージ再キャプチャ手法を提案する。
論文参考訳（メタデータ） (2021-07-28T01:14:12Z)
Guided Facial Skin Color Correction [21.70829294686434]
肖像画では、照明環境のために肌の色が歪むことが多い。本フレームワークでは,原画像の顔の周囲の色と明るさの補正を行い,適切な色バランスを実現する。従来の色補正アルゴリズムとは異なり、最終結果はガイド画像による色補正によって達成される。
論文参考訳（メタデータ） (2021-05-19T09:59:55Z)
Deep Line Art Video Colorization with a Few References [49.7139016311314]
そこで本稿では,対象の参照画像と同一のカラースタイルでラインアートビデオを自動的に色付けする深層アーキテクチャを提案する。本フレームワークはカラートランスフォーメーションネットワークと時間制約ネットワークから構成される。本モデルでは,少量のサンプルでパラメータを微調整することで,より優れたカラー化を実現することができる。
論文参考訳（メタデータ） (2020-03-24T06:57:40Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。