論文の概要: Culture-inspired Multi-modal Color Palette Generation and Colorization: A Chinese Youth Subculture Case

• arxiv url: http://arxiv.org/abs/2102.05231v1
• Date: Wed, 10 Feb 2021 02:56:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-11 19:42:08.993073
• Title: Culture-inspired Multi-modal Color Palette Generation and Colorization: A Chinese Youth Subculture Case
• Title（参考訳）: 文化に触発されたマルチモーダルカラーパレットの生成と着色--中国青少年サブカルチャー事例
• Authors: Yufan Li, Jinggang Zhuo, Ling Fan, Harry Jiannan Wang
• Abstract要約: 私たちは中国青年サブカルチャー(CYS)にインスパイアされたユニークなカラーデータセットを構築します。 我々は、CYSスタイルのカラーパレットを作成するためのインタラクティブなマルチモーダル生成フレームワークを開発した。 我々のフレームワークは、人間とループの原理で設計されたデモシステムを通して説明されます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Color is an essential component of graphic design, acting not only as a visual factor but also carrying cultural implications. However, existing research on algorithmic color palette generation and colorization largely ignores the cultural aspect. In this paper, we contribute to this line of research by first constructing a unique color dataset inspired by a specific culture, i.e., Chinese Youth Subculture (CYS), which is an vibrant and trending cultural group especially for the Gen Z population. We show that the colors used in CYS have special aesthetic and semantic characteristics that are different from generic color theory. We then develop an interactive multi-modal generative framework to create CYS-styled color palettes, which can be used to put a CYS twist on images using our automatic colorization model. Our framework is illustrated via a demo system designed with the human-in-the-loop principle that constantly provides feedback to our algorithms. User studies are also conducted to evaluate our generation results.
• Abstract（参考訳）: 色彩はグラフィックデザインの重要な要素であり、視覚的な要素としてだけでなく文化的意味合いも持つ。 しかし、アルゴリズムカラーパレットの生成とカラー化に関する既存の研究は、文化的側面をほとんど無視している。 本論文では、特にジーンZ集団にとって活気に満ちた流行の文化集団である中国青年サブカルチャー(CYS)という特定の文化にインスパイアされたユニークなカラーデータセットを最初に構築することによって、この研究のラインに貢献します。 CYSで使用される色は、一般的な色理論とは異なる特別な美的特徴と意味的特徴を有することを示す。 次に、CYSスタイルのカラーパレットを作成するための対話型マルチモーダル生成フレームワークを開発し、自動色付けモデルを用いてCYSツイストを画像に配置する。 私たちのフレームワークは、アルゴリズムに常にフィードバックを提供する、Human-in-the-loop原則で設計されたデモシステムを通じて説明されています。 また, ユーザ調査を行い, 評価を行った。

関連論文リスト

• L-C4: Language-Based Video Colorization for Creative and Consistent Color [59.069498113050436]
  創造的・一貫性のある色(L-C4)のための言語ベースビデオカラー化を提案する。 我々のモデルは、事前訓練された相互モダリティ生成モデルに基づいて構築される。 本研究では,フリックやカラーシフトを防止するために時間的に変形可能な注意点と,長期のカラー一貫性を維持するためにクロスクリップ融合を提案する。
  論文  参考訳（メタデータ） (2024-10-07T12:16:21Z)
• SketchDeco: Decorating B&W Sketches with Colour [80.90808879991182]
  本稿では,色彩の普遍的な幼児期活動に触発された,色彩のスケッチ化への新たなアプローチを紹介する。 精度と利便性のバランスを考慮し,地域マスクとカラーパレットを用いて直感的なユーザコントロールを実現する。
  論文  参考訳（メタデータ） (2024-05-29T02:53:59Z)
• The Silent Curriculum: How Does LLM Monoculture Shape Educational Content and Its Accessibility? [0.0]
  LLM(Large Language Models)は、従来の検索エンジンと比較して、前例のない便利な情報を提供する。 私たちはこれを「Silent Curriculum」と呼び、特に印象的な人口層(子供)に焦点を移している。 我々は、子どものストーリーテリング、職業性偏見、自己診断アノテーションをナビゲートする短い実験を通じて、この概念を解き放つ。
  論文  参考訳（メタデータ） (2024-05-11T12:02:44Z)
• CIC: A framework for Culturally-aware Image Captioning [2.565964707090901]
  本稿では,文化を表すイメージの視覚的要素から抽出された文化要素をキャプションとして表現し,表現する新しい枠組みであるCICを提案する。 視覚的モダリティとLarge Language Models(LLM)を組み合わせた手法に着想を得て,画像から文化カテゴリーに基づく質問を生成する。 4つの異なる文化集団から45人の被験者を対象に行った人的評価から,提案する枠組みがより文化的に記述的なキャプションを生成することが示唆された。
  論文  参考訳（メタデータ） (2024-02-08T03:12:25Z)
• ColorSense: A Study on Color Vision in Machine Visual Recognition [57.916512479603064]
  視覚認識ベンチマークから,前景や背景色ラベルの非自明なアノテーション110,000点を収集する。 色識別のレベルがマシン認識モデルの性能に与える影響を実証することにより、データセットの使用を検証した。 その結果,分類や局所化などの物体認識タスクは,色覚バイアスの影響を受けやすいことが示唆された。
  論文  参考訳（メタデータ） (2022-12-16T18:51:41Z)
• 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)
• Generating Compositional Color Representations from Text [3.141061579698638]
  画像検索エンジン上のユーザクエリのかなりの部分が(属性、オブジェクト)構造に従っているという事実に触発され、このような大局的な色プロファイルを生成する生成逆ネットワークを提案する。 コンポジションを学ぶためにパイプラインを設計します - 見た属性とオブジェクトを、目に見えないペアに組み合わせる機能です。
  論文  参考訳（メタデータ） (2021-09-22T01:37:13Z)
• 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)
• Semantic-driven Colorization [78.88814849391352]
  最近の着色は、白黒画像の着色を学習しながら意味情報を暗黙的に予測する。 そこで本研究では,まず,人間の動作をシミュレートして,画像の理解を学習し,色づけする。
  論文  参考訳（メタデータ） (2020-06-13T08:13:30Z)

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。