Fugu-MT 論文翻訳(概要): Image Colorization using U-Net with Skip Connections and Fusion Layer on Landscape Images

論文の概要: Image Colorization using U-Net with Skip Connections and Fusion Layer on Landscape Images

arxiv url: http://arxiv.org/abs/2205.12867v1
Date: Wed, 25 May 2022 15:41:01 GMT
ステータス: 処理完了
システム内更新日: 2022-05-26 16:56:34.178897
Title: Image Colorization using U-Net with Skip Connections and Fusion Layer on Landscape Images
Title（参考訳）: ランドスケープ画像上のスキップ接続と融合層を用いたU-Net画像のカラー化
Authors: Muhammad Hisyam Zayd, Novanto Yudistira, Randy Cahya Wihandika
Abstract要約: 本稿では,U-NetモデルとFusion Layer機能を組み合わせたグレースケール画像の自動カラー化手法を提案する。このアプローチにより、事前訓練されたU-Netから画像のカラー化を学ぶことができる。
参考スコア（独自算出の注目度）: 1.784933900656067
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We present a novel technique to automatically colorize grayscale images that combine the U-Net model and Fusion Layer features. This approach allows the model to learn the colorization of images from pre-trained U-Net. Moreover, the Fusion layer is applied to merge local information results dependent on small image patches with global priors of an entire image on each class, forming visually more compelling colorization results. Finally, we validate our approach with a user study evaluation and compare it against state-of-the-art, resulting in improvements.
Abstract（参考訳）: U-NetモデルとFusion Layer機能を組み合わせたグレースケール画像の自動カラー化手法を提案する。このアプローチにより、事前訓練されたU-Netから画像のカラー化を学ぶことができる。さらに、融合層を適用して、各クラス上の画像全体のグローバルプリエントと小さな画像パッチに依存するローカル情報結果をマージし、視覚的により説得力のあるカラー化結果を生成する。最後に,このアプローチをユーザスタディ評価で検証し,最新技術と比較することで改善した。

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)
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)
Exemplar-Based Image Colorization with A Learning Framework [7.793461393970992]
学習フレームワークを用いた自動着色手法を提案する。カラー化過程と学習過程を分離し、同一のグレー画像に対して様々なカラースタイルを生成する。最先端のカラー化アルゴリズムに匹敵する性能を達成している。
論文参考訳（メタデータ） (2022-09-13T07:15:25Z)
ParaColorizer: Realistic Image Colorization using Parallel Generative Networks [1.7778609937758327]
グレースケール画像のカラー化は、情報復元のためのAIの魅力的な応用である。並列なGANベースのカラー化フレームワークを提案する。マルチモーダル問題を評価するために一般的に使用される非知覚的評価指標の欠点を示す。
論文参考訳（メタデータ） (2022-08-17T13:49:44Z)
Semantic Image Fusion [2.4366811507669124]
本稿では,事前学習したCNNネットワークアーキテクチャを用いた視覚コンテンツの意味結合システムを提案する。単純な "choose maximum" と "local majority" のフィルタベースの融合ルールは、特徴マップの融合に使用される。開発手法は,最先端技術に同等の低レベル核融合性能を与えることができる。
論文参考訳（メタデータ） (2021-10-13T13:15:16Z)
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)
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)
Supervised and Unsupervised Learning of Parameterized Color Enhancement [112.88623543850224]
我々は、教師なし学習と教師なし学習の両方を用いて、画像翻訳タスクとしての色強調の問題に取り組む。我々は,MIT-Adobe FiveKベンチマークにおいて,教師付き(ペアデータ)と教師なし(ペアデータ)の2つの画像強調手法と比較して,最先端の結果が得られた。 20世紀初頭の写真や暗黒ビデオフレームに応用することで,本手法の一般化能力を示す。
論文参考訳（メタデータ） (2019-12-30T13:57:06Z)

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。