論文の概要: Color-Coded Symbology and New Computer Vision Tool to Predict the
Historical Color Pallets of the Renaissance Oil Artworks
- arxiv url: http://arxiv.org/abs/2103.00238v1
- Date: Sat, 27 Feb 2021 15:16:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-04 23:18:04.031814
- Title: Color-Coded Symbology and New Computer Vision Tool to Predict the
Historical Color Pallets of the Renaissance Oil Artworks
- Title（参考訳）: カラーコードシンボルとルネサンス油彩画の歴史的色彩パレット予測のための新しいコンピュータビジョンツール
- Authors: Artyom M. Grigoryan and Sos S. Agaian
- Abstract要約: 我々は,ルネサンス油彩画においてアーティストが使用した色彩の独自性を予測・分析し,色パレットの可能性について論じる。
このフレームワークの目的は、カラーシンボルと画像強調ツールを使用して、ルネサンス油彩画の歴史的カラーパレットを予測することである。
- 参考スコア（独自算出の注目度）: 2.918940961856197
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we discuss possible color palletes, prediction and analysis of
originality of the colors that Artists used on the Renaissance oil paintings.
This framework goal is to help to use the color symbology and image enhancement
tools, to predict the historical color palletes of the Renaissance oil
artworks. This work is only the start of a development to explore the
possibilities of prediction of color palletes of the Renaissance oil artworks.
We believe that framework might be very useful in the prediction of color
palletes of the Renaissance oil artworks and other artworks. The images in
number 105 have been taken from the paintings of three well-known artists,
Rafael, Leonardo Da Vinci, and Rembrandt that are available in the Olga's
Gallery. Images are processed in the frequency domain to enhance a quality of
images and ratios of primary colors are calculated and analyzed by using new
measurements of color-ratios.
- Abstract（参考訳）: 本稿では,ルネサンス油彩画においてアーティストが使用した色彩の独自性を予測・分析し,色パレットの可能性について考察する。
このフレームワークの目的は、カラーシンボルと画像強調ツールを使用して、ルネサンス油彩画の歴史的カラーパレットを予測することである。
この作品はルネッサンスのオイルアートワークの色パレットの予測の可能性を探るための開発の始まりに過ぎません。
ルネッサンスのオイルアートワークや他のアートワークの色パレットの予測にフレームワークが役立つかもしれないと信じています。
105番の画像は、オルガのギャラリーで利用可能な3人の有名なアーティスト、ラファエル、レオナルド・ダ・ヴィンチ、レンブラントの絵画から撮影されています。
画像は周波数領域で処理され、画像の品質を高め、一次色の割合を色比の新しい測定値を使用して計算および分析します。
関連論文リスト
- 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) - Transforming Color: A Novel Image Colorization Method [8.041659727964305]
本稿では,色変換器とGANを用いた画像カラー化手法を提案する。
提案手法は,グローバルな情報を取得するためのトランスフォーマーアーキテクチャと,視覚的品質を改善するためのGANフレームワークを統合する。
実験の結果,提案するネットワークは,他の最先端のカラー化技術よりも優れていた。
論文 参考訳（メタデータ） (2024-10-07T07:23:42Z) - Palette-based Color Transfer between Images [9.471264982229508]
そこで我々は,新しいカラースキームを自動生成できるパレットベースのカラートランスファー手法を提案する。
再設計されたパレットベースのクラスタリング手法により、色分布に応じて画素を異なるセグメントに分類することができる。
本手法は, 自然リアリズム, 色整合性, 一般性, 堅牢性の観点から, ピア法に対して有意な優位性を示す。
論文 参考訳（メタデータ） (2024-05-14T01:41:19Z) - 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) - Perceptual Artifacts Localization for Inpainting [60.5659086595901]
そこで本研究では,知覚的アーティファクトの自動セグメンテーションの学習タスクを提案する。
データセット上で高度なセグメンテーションネットワークをトレーニングし、インペイントされた画像内のインペイントされたアーティファクトを確実にローカライズする。
また, 対象領域と対象領域全体との比率である知覚人工物比 (PAR) という新しい評価指標を提案する。
論文 参考訳（メタデータ） (2022-08-05T18:50:51Z) - PTGCF: Printing Texture Guided Color Fusion for Impressionism Oil
Painting Style Rendering [0.3249853429482705]
ストロークテクスチャやターゲットスタイル画像の色などのスタイル情報の抽出が画像スタイリングの鍵となる。
油彩画のトーン特性と代表色を完全に考慮した新しいストロークレンダリング法を提案する。
実験により,提案モデルの有効性が検証された。
論文 参考訳（メタデータ） (2022-07-26T00:31:23Z) - 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) - Image In painting Applied to Art Completing Escher's Print Gallery [0.0]
ユースケースとしてM.C Eschers Print Galleryリソグラフィを紹介する。
このアートワークは、その中心に空白を呈し、さらに、塗装法で保存する必要がある挑戦的な数学的構造に従う。
論文 参考訳（メタデータ） (2021-09-06T15:24:38Z) - Recovery of underdrawings and ghost-paintings via style transfer by deep
convolutional neural networks: A digital tool for art scholars [0.7646713951724012]
本稿では,美術油絵における下絵の可視化とゴーストペイントの改善問題に対する畳み込みニューラルネットワーク方式の応用について述べる。
Pablo PicassoとLeonardoの作品に適用される私たちの概念実証システムは、ゴーストペイントの自然なセグメンテーションを尊重する色とデザインを明らかにします。
論文 参考訳（メタデータ） (2021-01-04T18:24:11Z) - Image Colorization: A Survey and Dataset [94.59768013860668]
本稿では,最先端の深層学習に基づく画像着色技術に関する包括的調査を行う。
既存の着色技法を7つのクラスに分類し、その性能を規定する重要な要因について論じる。
我々は既存のデータセットと提案した画像の両方を用いて、既存の画像のカラー化手法を広範囲に実験的に評価する。
論文 参考訳（メタデータ） (2020-08-25T01:22:52Z) - 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。
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。