論文の概要: Color Counting for Fashion, Art, and Design
- arxiv url: http://arxiv.org/abs/2110.06682v1
- Date: Wed, 13 Oct 2021 12:42:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-14 20:14:51.345577
- Title: Color Counting for Fashion, Art, and Design
- Title（参考訳）: ファッション・アート・デザインのためのカラーカウント
- Authors: Mohammed Al-Rawi
- Abstract要約: カラーモデリングの最初のステップは、アイテム/オブジェクトの色の数を見積もることです。
累積色ヒストグラムに基づく新しいカラーカウント手法を提案する。
この研究は、カラーカウントマシンの問題に対処する最初の試みである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Color modelling and extraction is an important topic in fashion, art, and
design. Recommender systems, color-based retrieval, decorating, and fashion
design can benefit from color extraction tools. Research has shown that
modeling color so that it can be automatically analyzed and / or extracted is a
difficult task. Unlike machines, color perception, although very subjective, is
much simpler for humans. That being said, the first step in color modeling is
to estimate the number of colors in the item / object. This is because color
models can take advantage of the number of colors as the seed for better
modelling, e.g., to make color extraction further deterministic. We aim in this
work to develop and test models that can count the number of colors of clothing
and other items. We propose a novel color counting method based on cumulative
color histogram, which stands out among other methods. We compare the method we
propose with other methods that utilize exhaustive color search that uses
Gaussian Mixture Models (GMMs) and K-Means as bases for scoring the optimal
number of colors, in addition to another method that relies on deep learning
models. Unfortunately, the GMM, K-Means, and Deep Learning models all fail to
accurately capture the number of colors. Our proposed method can provide the
color baseline that can be used in AI-based fashion applications, and can also
find applications in other areas, for example, interior design. To the best of
our knowledge, this work is the first of its kind that addresses the problem of
color-counting machine.
- Abstract（参考訳）: カラーモデリングと抽出は、ファッション、芸術、デザインにおいて重要なトピックである。
レコメンダシステム、色に基づく検索、装飾、ファッションデザインは、色抽出ツールの恩恵を受けることができる。
色を自動的に分析したり、抽出したりするために色をモデル化することは困難である。
機械とは異なり、色知覚は非常に主観的だが、人間にとってずっと単純である。
とは言っても、カラーモデリングの最初のステップは、アイテム/オブジェクトの色数を見積もることです。
これは、例えば色抽出をより決定論的にするために、色モデルはより優れたモデリングの種として色数を利用することができるためである。
この研究の目的は、服の色やその他のアイテムの数をカウントできるモデルを開発し、テストすることです。
本稿では,他の手法で際立っている累積カラーヒストグラムに基づく新しい色計数法を提案する。
本稿では,Gaussian Mixture Models (GMMs) とK-Means (K-Means) を最適な色数を評価するためのベースとして用いたカラーサーチと,ディープラーニングモデルに依存する他の方法との比較を行った。
残念なことに、GMM、K-Means、Deep Learningの各モデルはすべて、色数を正確に捉えていない。
提案手法は、aiベースのファッションアプリケーションで使用できるカラーベースラインを提供し、他の分野、例えばインテリアデザインでアプリケーションを見つけることができる。
私たちの知る限りでは、カラーカウンティングマシンの問題に対処するのは、この研究が初めてです。
関連論文リスト
- ColorPeel: Color Prompt Learning with Diffusion Models via Color and Shape Disentanglement [20.45850285936787]
ユーザが選択した色に合わせて、特定の色プロンプトを学習することを提案する。
我々の手法はColorPeelと呼ばれ、T2Iモデルが新しいカラープロンプトを剥がすのに役立ちます。
本研究は,T2Iモデルの精度と汎用性向上に向けた重要な一歩である。
論文 参考訳（メタデータ） (2024-07-09T19:26:34Z) - Fuzzy color model and clustering algorithm for color clustering problem [2.002741592555996]
我々はファジィカラーモデルを用いて色データの本質的不確かさとあいまいさをモデル化した。
ファジィカラーモデルを用いて,色データの効率的な分割のためのファジィクラスタリングアルゴリズムを開発した。
論文 参考訳（メタデータ） (2024-07-09T11:53:54Z) - 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) - CCC++: Optimized Color Classified Colorization with Segment Anything Model (SAM) Empowered Object Selective Color Harmonization [0.0]
カラー化問題を多項分類問題に定式化し、次に重み付き関数をクラスに適用する。
クラスを最適化するために、カラークラス変換のために異なるビンサイズで実験する。
カラークラスアクティベーション比(CCAR)とTrue Activation比(TAR)の2つの新しいカラー画像評価指標を提案する。
論文 参考訳（メタデータ） (2024-03-18T05:58:13Z) - CCC: Color Classified Colorization [0.0]
カラー化問題を多項分類問題に定式化し、次に重み付き関数をクラスに適用する。
カラー値をカラークラスに変換するための式セットを提案し,その逆も提案する。
提案したモデルと5つの異なるデータセットを用いた最先端モデルを比較した。
論文 参考訳（メタデータ） (2024-03-03T11:00:15Z) - 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) - Color Aesthetics: Fuzzy based User-driven Method for Harmony and
Preference Prediction [0.0]
色に対する知覚応答のすべてのタイプを定量的に評価する手法を提案する。
カラースキームの好みは、基本色と色調和の格付けを組み合わせることで予測できる。
アパレル調整の文脈では、衣服の色に基づいてルックの好みを予測することができる。
論文 参考訳（メタデータ） (2023-08-29T15:56:38Z) - Design of Dynamic Experiments for Black-Box Model Discrimination [72.2414939419588]
選択したいような動的モデル判別の設定を考えてみましょう。 (i) 最高のメカニスティックな時間変化モデルと (ii) 最高のモデルパラメータ推定値です。
勾配情報にアクセス可能な競合する力学モデルに対しては、既存の手法を拡張し、より広い範囲の問題の不確実性を組み込む。
これらのブラックボックスモデルをガウス過程サロゲートモデルに置き換えることで、モデル識別設定を拡張して、競合するブラックボックスモデルをさらに取り入れる。
論文 参考訳（メタデータ） (2021-02-07T11:34:39Z) - CoRe: Color Regression for Multicolor Fashion Garments [80.57724826629176]
本稿では,RGBの正確な値を予測するために,色検出を回帰問題として扱う。
新たに提案したアーキテクチャの洗練のための第2のレグレッションステージも含んでいます。
このアーキテクチャはモジュラーであり、多色衣料のすべての色のRGBを検出するために容易に拡張される。
論文 参考訳（メタデータ） (2020-10-06T16:12:30Z) - 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) - 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。