論文の概要: Towards Photorealistic Colorization by Imagination

• arxiv url: http://arxiv.org/abs/2108.09195v1
• Date: Fri, 20 Aug 2021 14:28:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-23 13:24:07.698100
• Title: Towards Photorealistic Colorization by Imagination
• Title（参考訳）: 想像力によるフォトリアリスティックカラー化に向けて
• Authors: Chenyang Lei and Yue Wu and Qifeng Chen
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 48.82757902812846
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a novel approach to automatic image colorization by imitating the imagination process of human experts. Our imagination module is designed to generate color images that are context-correlated with black-and-white photos. Given a black-and-white image, our imagination module firstly extracts the context information, which is then used to synthesize colorful and diverse images using a conditional image synthesis network (e.g., semantic image synthesis model). We then design a colorization module to colorize the black-and-white images with the guidance of imagination for photorealistic colorization. Experimental results show that our work produces more colorful and diverse results than state-of-the-art image colorization methods. Our source codes will be publicly available.
• Abstract（参考訳）: 本稿では,人間の想像過程を模倣した画像自動カラー化手法を提案する。 われわれのイマジネーションモジュールは、白黒写真とコンテキスト関係のカラー画像を生成するように設計されている。 白黒画像が与えられた後、私たちの想像モジュールはまずコンテキスト情報を抽出し、条件付き画像合成ネットワーク(セマンティック画像合成モデルなど)を用いて色と多彩な画像を合成する。 次に,フォトリアリスティックなカラー化のための想像力の指導により,白黒画像をカラー化するカラー化モジュールを設計した。 実験の結果,最先端画像のカラー化手法よりも色鮮やかで多彩な結果が得られた。 ソースコードは公開される予定だ。

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)
• 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)
• Control Color: Multimodal Diffusion-based Interactive Image Colorization [81.68817300796644]
  Control Color (Ctrl Color) は、事前訓練された安定拡散(SD)モデルを利用する多モードカラー化手法である。 ユーザのストロークをエンコードして、局所的な色操作を正確に行うための効果的な方法を提案する。 また、カラーオーバーフローと不正確な色付けの長年の問題に対処するために、自己注意に基づく新しいモジュールとコンテンツ誘導型変形可能なオートエンコーダを導入する。
  論文  参考訳（メタデータ） (2024-02-16T17:51:13Z)
• MMC: Multi-Modal Colorization of Images using Textual Descriptions [22.666387184216678]
  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)を受信し、関連する色成分を予測しようとするディープネットワークを提案する。 また、画像中の各オブジェクトを予測し、個々の記述で色付けし、それらの属性を色付けプロセスに組み込む。 提案手法は,LPIPS,PSNR,SSIMの指標を用いて,既存のカラー化手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-04-24T10:53:13Z)
• Improved Diffusion-based Image Colorization via Piggybacked Models [19.807766482434563]
  既存の強力なT2I拡散モデルに基づく色付けモデルを提案する。 拡散誘導器は、潜伏拡散モデルの事前訓練された重みを組み込むように設計されている。 次に、輝度認識VQVAEは、所定のグレースケール画像に画素完全アライメントされた色付き結果を生成する。
  論文  参考訳（メタデータ） (2023-04-21T16:23:24Z)
• 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)
• Instance-aware Image Colorization [51.12040118366072]
  本稿では,インスタンス認識のカラー化を実現する手法を提案する。 我々のネットワークアーキテクチャは、市販のオブジェクト検出器を利用して、収穫されたオブジェクト画像を取得する。 類似したネットワークを用いて、フルイメージの特徴を抽出し、融合モジュールを適用して最終色を予測する。
  論文  参考訳（メタデータ） (2020-05-21T17:59:23Z)

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。