Fugu-MT 論文翻訳(概要): Sliced $\mathcal{L}

論文の概要: Sliced $\mathcal{L}_2$ Distance for Colour Grading

arxiv url: http://arxiv.org/abs/2102.09297v1
Date: Thu, 18 Feb 2021 12:17:18 GMT
ステータス: 処理完了
システム内更新日: 2021-02-19 14:19:40.260593
Title: Sliced $\mathcal{L}_2$ Distance for Colour Grading
Title（参考訳）: Sliced $\mathcal{L}_2$ Distance for Colour Grading
Authors: Hana Alghamdi and Rozenn Dahyot
Abstract要約: そこで我々は,$N$次元分布を別の分布にマップする,$mathcalL$距離の新しい手法を提案する。反復射影法を用いて1次元空間の高次元問題を解く。実験では, アートカラー転送法と比較し, 定量的, 質的な競争結果を示した。
参考スコア（独自算出の注目度）: 1.6389581549801253
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a new method with $\mathcal{L}_2$ distance that maps one $N$-dimensional distribution to another, taking into account available information about correspondences. We solve the high-dimensional problem in 1D space using an iterative projection approach. To show the potentials of this mapping, we apply it to colour transfer between two images that exhibit overlapped scenes. Experiments show quantitative and qualitative competitive results as compared with the state of the art colour transfer methods.
Abstract（参考訳）: 対応に関する利用可能な情報を考慮に入れ、ある$N$次元分布を別の次元分布にマップする、$\mathcal{L}_2$距離を持つ新しい方法を提案する。反復射影法を用いて1次元空間の高次元問題を解く。このマッピングの可能性を示すため、重なり合うシーンを示す2つの画像間の色移動に適用する。実験では, アートカラー転送法と比較し, 定量的, 質的な競争結果を示した。

関連論文リスト

Explicit Correspondence Matching for Generalizable Neural Radiance Fields [49.49773108695526]
本稿では,新たな未知のシナリオに一般化し,2つのソースビューで新規なビュー合成を行う新しいNeRF手法を提案する。明瞭な対応マッチングは、異なるビュー上の3Dポイントの2次元投影でサンプリングされた画像特徴間のコサイン類似度と定量化される。実験では,実験結果から得られたコサイン特徴の類似性と体積密度との間に強い相関関係が認められた。
論文参考訳（メタデータ） (2023-04-24T17:46:01Z)
$PC^2$: Projection-Conditioned Point Cloud Diffusion for Single-Image 3D Reconstruction [97.06927852165464]
単一のRGB画像から物体の3次元形状を再構築することは、コンピュータビジョンにおける長年の課題である。条件付き偏光拡散プロセスによりスパース点雲を生成する単一像3次元再構成法を提案する。
論文参考訳（メタデータ） (2023-02-21T13:37:07Z)
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)
Detecting Recolored Image by Spatial Correlation [60.08643417333974]
画像のリカラー化は、画像の色値を操作して新しいスタイルを与える、新たな編集技術である。本稿では,空間相関の観点から,従来型と深層学習による再色検出の汎用的検出能力を示す解を探索する。提案手法は,複数のベンチマークデータセット上での最先端検出精度を実現し,未知の種類の再色法を適切に一般化する。
論文参考訳（メタデータ） (2022-04-23T01:54:06Z)
Incorporating Texture Information into Dimensionality Reduction for High-Dimensional Images [65.74185962364211]
距離ベース次元削減手法に周辺情報を組み込む手法を提案する。画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
論文参考訳（メタデータ） (2022-02-18T13:17:43Z)
Semantic-Sparse Colorization Network for Deep Exemplar-based Colorization [23.301799487207035]
模範的なカラー化アプローチは、対象のグレースケール画像に対して可視色を提供するために、参照画像に依存する。本研究では,グローバルな画像スタイルとセマンティックな色の両方をグレースケールに転送するセマンティック・スパースカラー化ネットワーク(SSCN)を提案する。我々のネットワークは、あいまいなマッチング問題を緩和しつつ、グローバルカラーとローカルカラーのバランスを完全にとることができる。
論文参考訳（メタデータ） (2021-12-02T15:35:10Z)
Frequency and Spatial domain based Saliency for Pigmented Skin Lesion Segmentation [0.0]
そこで本研究では, 周波数領域と空間領域から得られた簡易かつ効果的な唾液濃度に基づく顔料皮膚病変の検出手法を提案する。 2つのカラーモデルがこれらの地図の構築に利用されている。実験結果から,提案手法は最先端手法と比較して,より優れたセグメンテーション結果を生成することが示唆された。
論文参考訳（メタデータ） (2020-10-08T14:38:42Z)
Example-based Color Transfer with Gaussian Mixture Modeling [16.880968031370767]
我々は、確率的枠組みの下で色移動をモデル化し、パラメータ推定問題としてキャストする。最適化には期待最大化(EM)アルゴリズム(EステップとMステップ)を用いる。本手法は,EMイテレーションの増加とともに連続色変換結果を生成することができる。
論文参考訳（メタデータ） (2020-08-31T14:07:54Z)
Iterative Nadaraya-Watson Distribution Transfer for Colour Grading [2.8790548120668573]
そこで本研究では,N次元分布を,対応情報を考慮した別のN次元分布にマッピングする手法を提案する。重なり合うデータポイントの近傍を符号化することで, 2次元/3次元問題を高次元に拡張し, 1次元空間における高次元問題を解く。
論文参考訳（メタデータ） (2020-06-15T00:14:03Z)
Patch based Colour Transfer using SIFT Flow [2.8790548120668573]
そこで本研究では,対象画像の色に合わせるために,ソース画像の色を変換する最適なトランスポート(OT)を用いた新しい色変換法を提案する。実験では, 従来の色転写法に比べて定量的, 定量的な改善が見られた。
論文参考訳（メタデータ） (2020-05-18T18:22:36Z)
Probabilistic Color Constancy [88.85103410035929]
我々は、異なる画像領域の寄与を重み付けすることで、シーンの照度を推定するためのフレームワークを定義する。提案手法は,INTEL-TAUデータセット上での最先端技術と比較して,競合性能を実現する。
論文参考訳（メタデータ） (2020-05-06T11:03:05Z)

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。