論文の概要: NICER: Aesthetic Image Enhancement with Humans in the Loop

• arxiv url: http://arxiv.org/abs/2012.01778v1
• Date: Thu, 3 Dec 2020 09:14:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-23 15:15:52.428877
• Title: NICER: Aesthetic Image Enhancement with Humans in the Loop
• Title（参考訳）: NICER: ループの中の人間による美的イメージ強調
• Authors: Michael Fischer, Konstantin Kobs, Andreas Hotho
• Abstract要約: 本研究は,完全,半自動,完全手動のプロセスにおいて,非参照画像強調に対するニューラルネットワークに基づくアプローチを提案する。 NICERは,ユーザインタラクションを伴わずに画像美学を向上し,ユーザインタラクションを可能とすることで,多様な改善結果が得られることを示す。
• 参考スコア（独自算出の注目度）: 0.7756211500979312
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fully- or semi-automatic image enhancement software helps users to increase the visual appeal of photos and does not require in-depth knowledge of manual image editing. However, fully-automatic approaches usually enhance the image in a black-box manner that does not give the user any control over the optimization process, possibly leading to edited images that do not subjectively appeal to the user. Semi-automatic methods mostly allow for controlling which pre-defined editing step is taken, which restricts the users in their creativity and ability to make detailed adjustments, such as brightness or contrast. We argue that incorporating user preferences by guiding an automated enhancement method simplifies image editing and increases the enhancement's focus on the user. This work thus proposes the Neural Image Correction & Enhancement Routine (NICER), a neural network based approach to no-reference image enhancement in a fully-, semi-automatic or fully manual process that is interactive and user-centered. NICER iteratively adjusts image editing parameters in order to maximize an aesthetic score based on image style and content. Users can modify these parameters at any time and guide the optimization process towards a desired direction. This interactive workflow is a novelty in the field of human-computer interaction for image enhancement tasks. In a user study, we show that NICER can improve image aesthetics without user interaction and that allowing user interaction leads to diverse enhancement outcomes that are strongly preferred over the unedited image. We make our code publicly available to facilitate further research in this direction.
• Abstract（参考訳）: 全自動または半自動画像強調ソフトウェアは、ユーザーが写真の視覚的魅力を高めるのに役立ち、手動画像編集の深い知識を必要としない。 しかし、完全に自動的なアプローチは、通常、画像をブラックボックス方式で強化するので、ユーザーは最適化プロセスを制御できなくなり、おそらく、主観的にユーザーにアピールしない編集された画像に繋がる可能性がある。 半自動的な手法は、ユーザーが創造性や明るさやコントラストなどの詳細な調整を行う能力に制限のある、事前定義された編集ステップを制御できる。 自動強調手法によってユーザの好みを取り入れることで、画像編集が簡単になり、ユーザに対する強調の焦点が増すことを論じる。 この研究は、対話的でユーザ中心の完全な半自動または完全な手動プロセスにおいて、ノン参照画像拡張に対するニューラルネットワークベースのアプローチである、Neural Image Correction & Enhancement Routine(NICER)を提案する。 NICERは画像のスタイルや内容に基づいて美的スコアを最大化するために、画像編集パラメータを反復的に調整する。 ユーザはこれらのパラメータをいつでも変更でき、最適化プロセスを望ましい方向に導くことができる。 このインタラクティブワークフローは、画像エンハンスメントタスクのためのヒューマンコンピュータインタラクションの分野における斬新さである。 ユーザスタディでは、NICERはユーザインタラクションなしで画像の美学を向上することができ、ユーザインタラクションを可能にすることによって、未編集画像よりも強く好まれる多様な改善結果が得られることを示す。 この方向のさらなる研究を促進するために、コードを公開しています。

関連論文リスト

• AdaptiveDrag: Semantic-Driven Dragging on Diffusion-Based Image Editing [14.543341303789445]
  マスクレスのポイントベース画像編集手法であるAdaptiveDragを提案する。 入力画像とドラッグプロセスとの包括的接続を確保するため,セマンティック駆動型最適化を開発した。 提案手法は,これらの効果的な設計に基づいて,単一入力画像とハンド・ターゲット・ポイント・ペアのみを用いて,優れた生成結果を提供する。
  論文  参考訳（メタデータ） (2024-10-16T15:59:02Z)
• Reflective Human-Machine Co-adaptation for Enhanced Text-to-Image Generation Dialogue System [7.009995656535664]
  我々はRHM-CASという,人間と機械の協調適応戦略を提案する。 外部では、Agentはユーザが生成した画像を反映して洗練するために、意味のある言語インタラクションに従事します。 内部的には、エージェントはユーザーの好みに基づいてポリシーを最適化し、最終的な結果がユーザの好みと密接に一致することを保証する。
  論文  参考訳（メタデータ） (2024-08-27T18:08:00Z)
• Tuning-Free Image Customization with Image and Text Guidance [65.9504243633169]
  テキスト画像の同時カスタマイズのためのチューニング不要なフレームワークを提案する。 提案手法は,テキスト記述に基づく詳細な属性の修正が可能でありながら,参照画像のセマンティックな特徴を保っている。 提案手法は,人的・定量的評価において,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-03-19T11:48:35Z)
• Enhancement by Your Aesthetic: An Intelligible Unsupervised Personalized Enhancer for Low-Light Images [67.14410374622699]
  低照度画像のための知能的教師なしパーソナライズ・エンハンサー(iUPEnhancer)を提案する。 提案したiUP-Enhancerは、これらの相関関係とそれに対応する教師なし損失関数のガイダンスを用いて訓練される。 実験により,提案アルゴリズムは競合的な質的,定量的な結果が得られることを示した。
  論文  参考訳（メタデータ） (2022-07-15T07:16:10Z)
• Controllable Image Enhancement [66.18525728881711]
  いくつかのパラメータを制御して、複数のスタイルで高品質な画像を生成できる半自動画像強調アルゴリズムを提案する。 エンコーダ・デコーダフレームワークは、リタッチスキルを潜在コードにエンコードし、イメージ信号処理機能のパラメータにデコードする。
  論文  参考訳（メタデータ） (2022-06-16T23:54:53Z)
• User-Guided Personalized Image Aesthetic Assessment based on Deep Reinforcement Learning [64.07820203919283]
  本稿では,新しいユーザガイド型画像美観評価フレームワークを提案する。 深部強化学習(DRL)に基づく審美評価のためのユーザインタラクションを活用して画像のリタッチとランク付けを行う パーソナライズされた審美分布は、異なるユーザの審美的嗜好とより一致している。
  論文  参考訳（メタデータ） (2021-06-14T15:19:48Z)
• Enjoy Your Editing: Controllable GANs for Image Editing via Latent Space Navigation [136.53288628437355]
  コントロール可能なセマンティックイメージ編集により、ユーザーはクリック数回で画像属性全体を変更できる。 現在のアプローチでは、絡み合った属性編集、グローバルなイメージアイデンティティの変更、フォトリアリズムの低下に悩まされることが多い。 本稿では,主に定性評価に焦点を当てた先行研究とは異なり,制御可能な編集性能を測定するための定量的評価手法を提案する。
  論文  参考訳（メタデータ） (2021-02-01T21:38:36Z)
• Look here! A parametric learning based approach to redirect visual attention [49.609412873346386]
  画像領域を微妙な画像編集によってより注目度の高いものにするための自動手法を提案する。 我々のモデルは、前景および背景画像領域に適用可能な、異なるグローバルパラメトリック変換セットを予測する。 編集により、任意の画像サイズでインタラクティブなレートでの推論が可能になり、簡単に動画に一般化できる。
  論文  参考訳（メタデータ） (2020-08-12T16:08:36Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。