論文の概要: Guided Colorization Using Mono-Color Image Pairs

• arxiv url: http://arxiv.org/abs/2108.07471v1
• Date: Tue, 17 Aug 2021 07:00:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-18 13:21:30.905240
• Title: Guided Colorization Using Mono-Color Image Pairs
• Title（参考訳）: モノカラーイメージペアを用いたガイドカラー化
• Authors: Ze-Hua Sheng, Hui-Liang Shen, Bo-Wen Yao, Huaqi Zhang
• Abstract要約: モノクロ画像は通常、より優れた信号対雑音比(SNR)とよりリッチなテクスチャを持つ。 モノクロ画像とカラー画像とをカラー化するモノクロ画像強調アルゴリズムを提案する。 実験結果から,本アルゴリズムはより高精細度で高精細度な色画像をモノカラー画像対から効率よく復元できることが示唆された。
• 参考スコア（独自算出の注目度）: 6.729108277517129
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Compared to color images captured by conventional RGB cameras, monochrome images usually have better signal-to-noise ratio (SNR) and richer textures due to its higher quantum efficiency. It is thus natural to apply a mono-color dual-camera system to restore color images with higher visual quality. In this paper, we propose a mono-color image enhancement algorithm that colorizes the monochrome image with the color one. Based on the assumption that adjacent structures with similar luminance values are likely to have similar colors, we first perform dense scribbling to assign colors to the monochrome pixels through block matching. Two types of outliers, including occlusion and color ambiguity, are detected and removed from the initial scribbles. We also introduce a sampling strategy to accelerate the scribbling process. Then, the dense scribbles are propagated to the entire image. To alleviate incorrect color propagation in the regions that have no color hints at all, we generate extra color seeds based on the existed scribbles to guide the propagation process. Experimental results show that, our algorithm can efficiently restore color images with higher SNR and richer details from the mono-color image pairs, and achieves good performance in solving the color bleeding problem.
• Abstract（参考訳）: 従来のRGBカメラで撮影されたカラー画像と比較して、モノクローム画像はより優れた信号-雑音比(SNR)とよりリッチなテクスチャを持つ。 したがって、モノカラーデュアルカメラシステムを用いて、高画質のカラー画像を復元することは自然である。 本稿では,モノクロ画像とカラー画像とを色付けするモノクロ画像強調アルゴリズムを提案する。 類似した輝度値を持つ隣接する構造が類似色を持つ可能性が高いという仮定に基づいて、ブロックマッチングによってモノクロ画素に色を割り当てるために、まず濃密な記述を行う。 閉塞性および色あいまい性を含む2種類の外れ値が検出され、初期スクリブルから除去される。 また,スクリブリングプロセスの高速化のためのサンプリング戦略も導入する。 そして、密度の高いクリブルが画像全体に伝播する。 色ヒントが全くない地域での誤色伝搬を軽減するため,既存のスクリブルに基づいて余分な色種を生成し,その伝播過程を導出する。 実験結果から,本アルゴリズムは単色画像ペアから高SNR,高精細な色画像を効率よく復元し,カラーブラインド問題の解決に優れた性能を発揮することが示された。

関連論文リスト

• Multimodal Semantic-Aware Automatic Colorization with Diffusion Prior [15.188673173327658]
  色を可塑性意味論で合成する前に拡散の異常な生成能力を利用する。 モデルが画像の内容を理解し、飽和色を提供するのに役立つため、マルチモーダルなハイレベルセマンティクスを前もって採用する。 輝度対応デコーダは細部を復元し、全体的な視覚的品質を向上させるように設計されている。
  論文  参考訳（メタデータ） (2024-04-25T15:28:22Z)
• Colorizing Monochromatic Radiance Fields [55.695149357101755]
  単色放射光場からの再現色を,ラボ色空間における表現・予測課題として検討する。 まず、単色画像を用いて輝度と密度の表現を構築することにより、画像色化モジュールに基づいて色表現を再現できる。 次に、輝度、密度、色を表現することで、カラフルな暗黙のモデルを再現する。
  論文  参考訳（メタデータ） (2024-02-19T14:47:23Z)
• SPDGAN: A Generative Adversarial Network based on SPD Manifold Learning for Automatic Image Colorization [1.220743263007369]
  生成逆ネットワーク(SPDGAN)を用いたSymmetric Positive Definite (SPD) Manifold Learningに基づく完全自動カラー化手法を提案する。 本モデルは,2つの識別器とジェネレータの対角ゲームを確立する。その目標は,残差接続により層間の色情報を失うことなく,偽のカラー化画像を生成することである。
  論文  参考訳（メタデータ） (2023-12-21T00:52:01Z)
• BiSTNet: Semantic Image Prior Guided Bidirectional Temporal Feature Fusion for Deep Exemplar-based Video Colorization [70.14893481468525]
  本稿では,参照例の色を探索し,映像のカラー化を支援するために有効なBiSTNetを提案する。 まず、各フレームと参照例間の深い特徴空間における意味的対応を確立し、参照例からの色情報を探究する。 我々は,フレームのオブジェクト境界をモデル化するための意味情報を抽出する混合専門家ブロックを開発した。
  論文  参考訳（メタデータ） (2022-12-05T13:47:15Z)
• 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)
• 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)
• Generative Probabilistic Image Colorization [2.110198946293069]
  本稿では,音の劣化の各ステップを逆転させる確率モデル列を訓練する拡散型生成法を提案する。 入力として線引き画像が与えられた場合、本手法は複数の候補色付き画像を提案する。 提案手法は,色条件の画像生成タスクだけでなく,実用的な画像補完や塗装タスクにも有効である。
  論文  参考訳（メタデータ） (2021-09-29T16:10:12Z)
• 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)
• Learning to Structure an Image with Few Colors [59.34619548026885]
  そこで,カラー量子化ネットワークであるColorCNNを提案する。 1ビットのカラースペース(すなわち2色)だけで、提案されたネットワークはCIFAR10データセット上で82.1%のトップ-1の精度を達成した。 アプリケーションの場合、PNGでエンコードされた場合、提案したカラー量子化は、極低ビットレート方式の他の画像圧縮方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-17T17:56:15Z)

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。