論文の概要: Measuring Perceptual Color Differences of Smartphone Photography

• arxiv url: http://arxiv.org/abs/2205.13489v1
• Date: Thu, 26 May 2022 16:57:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-27 18:50:35.990415
• Title: Measuring Perceptual Color Differences of Smartphone Photography
• Title（参考訳）: スマートフォン写真の知覚色差の測定
• Authors: Zhihua Wang, Keshuo Xu, Yang Yang, Jianlei Dong, Shuhang Gu, Lihao Xu, Yuming Fang, and Kede Ma
• Abstract要約: 知覚的CD評価のための最大の画像データセットを提示する。 我々は、軽量ニューラルネットワークに基づいて、エンドツーエンドで学習可能なCD公式を構築するための最初の試みの1つである。
• 参考スコア（独自算出の注目度）: 55.9434603885868
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Measuring perceptual color differences (CDs) is of great importance in modern smartphone photography. Despite the long history, most CD measures have been constrained by psychophysical data of homogeneous color patches or a limited number of simplistic natural images. It is thus questionable whether existing CD measures generalize in the age of smartphone photography characterized by greater content complexities and learning-based image signal processors. In this paper, we put together so far the largest image dataset for perceptual CD assessment, in which the natural images are 1) captured by six flagship smartphones, 2) altered by Photoshop, 3) post-processed by built-in filters of the smartphones, and 4) reproduced with incorrect color profiles. We then conduct a large-scale psychophysical experiment to gather perceptual CDs of 30,000 image pairs in a carefully controlled laboratory environment. Based on the newly established dataset, we make one of the first attempts to construct an end-to-end learnable CD formula based on a lightweight neural network, as a generalization of several previous metrics. Extensive experiments demonstrate that the optimized formula outperforms 28 existing CD measures by a large margin, offers reasonable local CD maps without the use of dense supervision, generalizes well to color patch data, and empirically behaves as a proper metric in the mathematical sense.
• Abstract（参考訳）: 現代のスマートフォン写真では、知覚色差(CD)の測定が非常に重要である。 長い歴史にもかかわらず、ほとんどのcd措置は均質なカラーパッチの心理物理学的データや単純な自然画像の限られた数によって制限されている。 したがって、既存のCD対策が、より大きなコンテンツ複雑さと学習ベースの画像信号プロセッサを特徴とするスマートフォン写真時代を一般化するかどうかは疑わしい。 本稿では,自然画像の知覚的CD評価において,これまでで最大の画像データセットを構築した。 1)フラッグシップスマートフォン6台で撮影。 2)photoshopによる編集。 3)スマートフォンの内蔵フィルタによる後処理,及び 4)不正確な色プロファイルで再現した。 次に、3万対の画像ペアの知覚cdを注意深く制御した実験室環境で収集する大規模心理物理学実験を行う。 新たに確立したデータセットに基づいて,従来のメトリクスの一般化として,軽量ニューラルネットワークに基づくエンドツーエンド学習可能なcd公式を構築する最初の試みの一つである。 広範な実験により、最適化された式は28の既存のcd測度を大きなマージンで上回り、密接な監督なしで合理的なローカルcdマップを提供し、カラーパッチデータにうまく一般化し、経験的に数学的な意味で適切な計量として振る舞うことが示されている。

関連論文リスト

• Multiscale Sliced Wasserstein Distances as Perceptual Color Difference Measures [34.8728594246521]
  マルチスケールスライスされたワッサースタイン距離に基づく知覚CD測度について述べる。 実験結果から,写真画像のCD評価においてCD測定が好適であることが示唆された。 数学的な意味では測度として機能し、画像やビデオのカラー転送タスクの損失関数としてその可能性を示す。
  論文  参考訳（メタデータ） (2024-07-14T12:48:16Z)
• Simple Image Signal Processing using Global Context Guidance [56.41827271721955]
  ディープラーニングベースのISPは、深層ニューラルネットワークを使用してRAW画像をDSLRライクなRGBイメージに変換することを目指している。 我々は,全RAW画像からグローバルなコンテキスト情報をキャプチャするために,任意のニューラルISPに統合可能な新しいモジュールを提案する。 本モデルでは,多種多様な実スマートフォン画像を用いて,様々なベンチマークで最新の結果が得られる。
  論文  参考訳（メタデータ） (2024-04-17T17:11:47Z)
• Learning a Deep Color Difference Metric for Photographic Images [36.66506502182684]
  我々は、4つの望ましい特性を持つ写真画像の深度CDメトリクスを学習する。 写真画像間の正確なCDを計算し、主に色相が異なる。 特徴変換のためのマルチスケール自己回帰正規化フローを学習することで,これらの特性を一度に満たせることを示す。
  論文  参考訳（メタデータ） (2023-03-27T07:54:09Z)
• High Dynamic Range and Super-Resolution from Raw Image Bursts [52.341483902624006]
  本稿では,露光ブラケット付きハンドヘルドカメラで撮影した原写真からの高解像度・高ダイナミックレンジカラー画像の再構成について紹介する。 提案アルゴリズムは,画像復元における最先端の学習手法と比較して,メモリ要求の少ない高速なアルゴリズムである。 実験では、ハンドヘルドカメラで野生で撮影された実際の写真に最大4ドル(約4,800円)の超高解像度な要素で優れた性能を示す。
  論文  参考訳（メタデータ） (2022-07-29T13:31:28Z)
• Deep Metric Color Embeddings for Splicing Localization in Severely Degraded Images [10.091921099426294]
  本研究では,画像に最適なスプライシング検出法を提案する。 我々は、照明色やカメラの白点推定に敏感な深度距離空間を学習するが、一方、対象色の変化には敏感である。 本評価では,強い圧縮とダウンサンプリングの対象となる画像に対して,提案手法の組込み空間が技量を上回り,その性能が向上することを示す。
  論文  参考訳（メタデータ） (2022-06-21T21:28:40Z)
• Learning Enriched Illuminants for Cross and Single Sensor Color Constancy [182.4997117953705]
  ネットワークをトレーニングするためのクロスセンサ自己教師型トレーニングを提案する。 センサに依存しない方法で人工発光体をランダムにサンプリングすることでネットワークを訓練する。 実験により、我々のクロスセンサモデルとシングルセンサーモデルは、他の最先端手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-21T15:45:35Z)
• Transform your Smartphone into a DSLR Camera: Learning the ISP in the Wild [159.71025525493354]
  本稿では,スマートフォンが取得したRAW画像に基づいて,DSLRの品質画像を生成する訓練可能な画像信号処理フレームワークを提案する。 トレーニング画像ペア間の色ずれに対処するために、カラー条件ISPネットワークを使用し、各入力RAWと基準DSLR画像間の新しいパラメトリック色マッピングを最適化する。
  論文  参考訳（メタデータ） (2022-03-20T20:13:59Z)
• Colour alignment for relative colour constancy via non-standard references [11.92389176996629]
  相対色濃度は、多くの科学的イメージング応用に必須の要件である。 カメラ画像形成をブラックボックスとみなすカラーアライメントモデルを提案する。 カラーアライメントは、カメラ応答校正、応答線形化、色マッチングという3段階のプロセスとして定式化される。
  論文  参考訳（メタデータ） (2021-12-30T15:58:55Z)
• Deep Photo Scan: Semi-supervised learning for dealing with the real-world degradation in smartphone photo scanning [12.160561868046122]
  半教師付き学習に基づくディープフォトスキャン(DPScan)を提案する。 まず,DIV2K-SCANデータセットをスマートフォンでスキャンした写真復元のために提案する。 第二に、DIV2K-SCANを用いて、ジェネレーティブ・アドリア・ネットワーク(Generative Adrial Networks)という概念を用いて、本物のスマートフォンでスキャンされたような高品質な画像を分解する方法を学び、スキャンされていない写真の擬似スキャン写真を生成する。
  論文  参考訳（メタデータ） (2021-02-11T17:00:57Z)
• Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
  本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。 本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。 また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2021-02-02T16:10:15Z)

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。