Fugu-MT 論文翻訳(概要): Generative Models for Multi-Illumination Color Constancy

論文の概要: Generative Models for Multi-Illumination Color Constancy

arxiv url: http://arxiv.org/abs/2109.00863v1
Date: Thu, 2 Sep 2021 12:24:40 GMT
ステータス: 処理完了
システム内更新日: 2021-09-03 21:26:17.802222
Title: Generative Models for Multi-Illumination Color Constancy
Title（参考訳）: 多色照明色の生成モデル
Authors: Partha Das, Yang Liu, Sezer Karaoglu and Theo Gevers
Abstract要約: そこで本研究では,種(物理駆動)に基づく多照色濃度法を提案する。 GANを用いて照明推定問題を画像から画像へのドメイン変換問題としてモデル化する。単照度および多照度データセットを用いた実験により,本手法がソタ法より優れていることが示された。
参考スコア（独自算出の注目度）: 23.511249515559122
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, the aim is multi-illumination color constancy. However, most of the existing color constancy methods are designed for single light sources. Furthermore, datasets for learning multiple illumination color constancy are largely missing. We propose a seed (physics driven) based multi-illumination color constancy method. GANs are exploited to model the illumination estimation problem as an image-to-image domain translation problem. Additionally, a novel multi-illumination data augmentation method is proposed. Experiments on single and multi-illumination datasets show that our methods outperform sota methods.
Abstract（参考訳）: 本稿では,マルチイルミネーション色濃度を目的とする。しかし、既存の色濃度法のほとんどは単一光源用に設計されている。さらに、複数の照明色を学習するためのデータセットがほとんど失われている。本稿では,種(物理駆動)をベースとする多色コンステンシー法を提案する。 GANを用いて照明推定問題を画像から画像への翻訳問題としてモデル化する。また,新しい多重照度データ拡張法を提案する。単照度および多照度データセットを用いた実験により,本手法がソタ法より優れていることが示された。

関連論文リスト

Multi-illuminant Color Constancy via Multi-scale Illuminant Estimation and Fusion [0.7549179334992838]
既存の手法は主に深層学習を用いて画像とその照明マップ間の直接マッピングを確立する。我々は,マルチスケール画像から推定される成分の線形結合としてイルミナントマップを表現している。マルチスケール画像から多粒性発光分布マップを推定する三分岐畳み込みネットワークを提案する。
論文参考訳（メタデータ） (2025-02-04T05:19:30Z)
Diff-Mosaic: Augmenting Realistic Representations in Infrared Small Target Detection via Diffusion Prior [63.64088590653005]
本稿では拡散モデルに基づくデータ拡張手法であるDiff-Mosaicを提案する。我々は,モザイク画像を高度に調整し,リアルな画像を生成するPixel-Priorという拡張ネットワークを導入する。第2段階では,Diff-Prior という画像強調戦略を提案する。
論文参考訳（メタデータ） (2024-06-02T06:23:05Z)
LightIt: Illumination Modeling and Control for Diffusion Models [61.80461416451116]
我々は、画像生成のための明示的な照明制御方法であるLightItを紹介する。最近の生成法では照明制御が欠如しており、画像生成の多くの芸術的側面に不可欠である。本手法は、制御可能で一貫した照明による画像生成を可能にする最初の方法である。
論文参考訳（メタデータ） (2024-03-15T18:26:33Z)
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)
Pixel-Wise Color Constancy via Smoothness Techniques in Multi-Illuminant Scenes [16.176896461798993]
複数光源による画素ワイズ照明図を学習し,新しい多照度カラーコンスタント法を提案する。提案手法は, 隣接する画素内のスムーズさを, 全変動損失でトレーニングを正則化することによって実施する。さらに、エッジを保ちながら、推定画像の自然な外観を高めるために、両側フィルタを設ける。
論文参考訳（メタデータ） (2024-02-05T11:42:19Z)
NeFII: Inverse Rendering for Reflectance Decomposition with Near-Field Indirect Illumination [48.42173911185454]
逆レンダリング手法は、多視点RGB画像から幾何学、材料、照明を推定することを目的としている。本稿では,多視点画像から材料と照明を分解するエンドツーエンドの逆レンダリングパイプラインを提案する。
論文参考訳（メタデータ） (2023-03-29T12:05:19Z)
MIMT: Multi-Illuminant Color Constancy via Multi-Task Local Surface and Light Color Learning [42.72878256074646]
単一入力画像における複数の光色を割引するマルチタスク学習手法を提案する。複数の光色条件下で局所的な表面/光色をより正確に表現するために,我々は新しいマルチタスク学習フレームワークを設計する。本モデルでは,マルチイルミナントデータセット上で,最先端のマルチイルミナントカラーコンステンシー法と比較して47.1%の改善を実現している。
論文参考訳（メタデータ） (2022-11-16T09:00:20Z)
Revisiting and Optimising a CNN Colour Constancy Method for Multi-Illuminant Estimation [0.76146285961466]
色の一貫性の目的は、シーンの照明効果を画像の色から消し去り、物体の色を「白色」の照明下で捉えたように復元することである。本稿では,深部CNNを用いた簡易かつ極めて効果的なフレームワークについて述べる。
論文参考訳（メタデータ） (2022-11-03T16:33:56Z)
Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。 LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
論文参考訳（メタデータ） (2021-03-19T04:00:27Z)
The Cube++ Illumination Estimation Dataset [50.58610459038332]
本稿では,新しい照明推定データセットを提案する。照明色が既知の4890の画像と、追加のセマンティックデータで構成されている。データセットは、単一または2つの照度推定を実行するメソッドのトレーニングとテストに使用することができる。
論文参考訳（メタデータ） (2020-11-19T18:50:08Z)

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。