論文の概要: Focusing on Persons: Colorizing Old Images Learning from Modern
Historical Movies
- arxiv url: http://arxiv.org/abs/2108.06515v1
- Date: Sat, 14 Aug 2021 11:04:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-18 09:04:32.683994
- Title: Focusing on Persons: Colorizing Old Images Learning from Modern
Historical Movies
- Title（参考訳）: 人物に焦点をあてる:現代映画から学ぶ古いイメージの着色
- Authors: Xin Jin, Zhonglan Li, Ke Liu, Dongqing Zou, Xiaodong Li, Xingfan Zhu,
Ziyin Zhou, Qilong Sun, Qingyu Liu
- Abstract要約: 本稿では, 歴史的人物の多彩な高忠実度衣料着の着色について, 微粒な意味理解と先行性に基づく検討を行った。
分類,微粒な意味解析,色分けという3つの部分を含むヒストリーネットを提案する。
本手法は、特に軍服において、最先端の着色方法よりも優れています。
- 参考スコア（独自算出の注目度）: 18.44861416980508
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In industry, there exist plenty of scenarios where old gray photos need to be
automatically colored, such as video sites and archives. In this paper, we
present the HistoryNet focusing on historical person's diverse high fidelity
clothing colorization based on fine grained semantic understanding and prior.
Colorization of historical persons is realistic and practical, however,
existing methods do not perform well in the regards. In this paper, a
HistoryNet including three parts, namely, classification, fine grained semantic
parsing and colorization, is proposed. Classification sub-module supplies
classifying of images according to the eras, nationalities and garment types;
Parsing sub-network supplies the semantic for person contours, clothing and
background in the image to achieve more accurate colorization of clothes and
persons and prevent color overflow. In the training process, we integrate
classification and semantic parsing features into the coloring generation
network to improve colorization. Through the design of classification and
parsing subnetwork, the accuracy of image colorization can be improved and the
boundary of each part of image can be more clearly. Moreover, we also propose a
novel Modern Historical Movies Dataset (MHMD) containing 1,353,166 images and
42 labels of eras, nationalities, and garment types for automatic colorization
from 147 historical movies or TV series made in modern time. Various
quantitative and qualitative comparisons demonstrate that our method
outperforms the state-of-the-art colorization methods, especially on military
uniforms, which has correct colors according to the historical literatures.
- Abstract（参考訳）: 業界では、ビデオサイトやアーカイブなど、古いグレーの写真を自動的に色付けする必要があるシナリオがたくさんあります。
本稿では,歴史的人物の多彩な多彩な高忠実度衣服の着色化に着目したヒストリーネットについて述べる。
歴史人物の着色は現実的で実践的であるが、既存の方法ではうまく機能しない。
本稿では,3つの部分,分類,微粒化セマンティックパーシング,カラー化を含むヒストリーネットを提案する。
分類サブモジュールは、年代、国籍、衣服の種類に応じてイメージを分類し、パーシングサブネットワークは、画像中の人物の輪郭、衣服、背景のセマンティクスを提供し、服や人のより正確な着色を実現し、カラーオーバーフローを防ぐ。
トレーニングプロセスでは,分類と意味解析機能をカラー化生成ネットワークに統合し,カラー化を改善する。
分類および解析サブネットワークの設計により、画像のカラー化の精度が向上し、画像の各部分の境界をより明確にすることができる。
また,現代に作られた147の歴史的映画やテレビシリーズから,1,353,166枚の画像と42個の年代,国籍,衣服を自動着色するためのラベルを含む,新しい現代映画データセット(MHMD)を提案する。
様々な量的・質的な比較により,本手法は,歴史的文献により正色が正しい軍服において,最先端の着色法よりも優れることが示された。
関連論文リスト
- 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) - Audio-Infused Automatic Image Colorization by Exploiting Audio Scene
Semantics [54.980359694044566]
本論文は,同一シーンに関する付加的な意味情報を含む対応する音声を活用しようとするものである。
実験により、音声誘導は自動着色性能を効果的に向上できることが示された。
論文 参考訳（メタデータ） (2024-01-24T07:22:05Z) - Diffusing Colors: Image Colorization with Text Guided Diffusion [11.727899027933466]
粒状テキストプロンプトを用いた画像拡散技術を利用した新しい画像カラー化フレームワークを提案する。
本手法は,視覚的品質とセマンティック・コヒーレンスの観点から,既存の技術よりも優れた自動化と制御のバランスを与える。
我々のアプローチは、特に色強調と歴史的イメージのカラー化の可能性を秘めている。
論文 参考訳（メタデータ） (2023-12-07T08:59:20Z) - Incorporating Ensemble and Transfer Learning For An End-To-End
Auto-Colorized Image Detection Model [0.0]
本稿では,移動学習とアンサンブル学習の利点を組み合わせた新たな手法を提案する。
提案したモデルは、94.55%から99.13%の精度で有望な結果を示す。
論文 参考訳（メタデータ） (2023-09-25T19:22:57Z) - TIC: Text-Guided Image Colorization [24.317541784957285]
本稿では、2つの入力(グレースケール画像と各エンコードされたテキスト記述)を取り込み、関連する色域を予測しようとする新しいディープネットワークを提案する。
各テキスト記述にはシーンに存在するオブジェクトの色情報が含まれているので、テキストエンコーディングは予測された色の全体的な品質を改善するのに役立つ。
提案手法を異なる指標を用いて評価した結果,定性的にも定量的にも,最先端のカラー化アルゴリズムよりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-08-04T18:40:20Z) - 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) - ROMNet: Renovate the Old Memories [25.41639794384076]
本稿では、劣化したレガシー画像の修復とカラー化を共同で行うための、新しい参照ベースのエンドツーエンド学習フレームワークを提案する。
また、私たちの知る限りでは、古い写真復元モデルを評価するために、ペア化された真実を持つ、最初の公開と現実世界の古い写真データセットも作成しています。
論文 参考訳（メタデータ） (2022-02-05T17:48:15Z) - 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) - 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) - 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。