論文の概要: Perceptually Optimized Color Selection for Visualization
- arxiv url: http://arxiv.org/abs/2205.14472v1
- Date: Sat, 28 May 2022 16:16:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-04 19:17:11.491186
- Title: Perceptually Optimized Color Selection for Visualization
- Title（参考訳）: 可視化のための知覚的最適色選択
- Authors: Subhrajyoti Maji and John Dingliana
- Abstract要約: 科学的可視化のための最適知覚コントラストを用いた色自動選択手法を提案する。
提案手法では,他の色選択法が一般的に失敗する非常に多くの特徴に対して,高い知覚コントラストを持つ色を割り当てることができる。
- 参考スコア（独自算出の注目度）: 1.659989033959959
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We propose an approach, called the Equilibrium Distribution Model (EDM), for
automatically selecting colors with optimum perceptual contrast for scientific
visualization. Given any number of features that need to be emphasized in a
visualization task, our approach derives evenly distributed points in the
CIELAB color space to assign colors to the features so that the minimum
Euclidean Distance among the colors are optimized. Our approach can assign
colors with high perceptual contrast even for very high numbers of features,
where other color selection methods typically fail. We compare our approach
with the widely used Harmonic color selection scheme and demonstrate that while
the harmonic scheme can achieve reasonable color contrast for visualizing up to
20 different features, our Equilibrium scheme provides significantly better
contrast and achieves perceptible contrast for visualizing even up to 100
unique features.
- Abstract（参考訳）: 科学的可視化のための最適な知覚コントラストで色を自動的に選択するEDM(Equilibrium Distribution Model)を提案する。
可視化タスクで強調すべき特徴がいくつかあるとすれば,本手法はcielabカラースペース内の均等に分散した点を導出して,色を特徴に割り当てることで,色間の最小ユークリッド距離を最適化する。
提案手法では,他の色選択法が一般的に失敗する非常に多くの特徴に対して,高い知覚コントラストを持つ色を割り当てることができる。
提案手法は広範に使用されているハーモニック色選択方式と比較し,最大20種類の特徴を視覚化するための適切な色コントラストが得られる一方で,平衡スキームは極めて優れたコントラストを提供し,最大100種類の特徴を視覚化するための知覚コントラストを実現する。
関連論文リスト
- 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) - DealMVC: Dual Contrastive Calibration for Multi-view Clustering [78.54355167448614]
マルチビュークラスタリングのための新しいデュアルコントラストキャリブレーションネットワーク(DealMVC)を提案する。
まず、グローバルなクロスビュー特徴を得るための融合機構を設計し、その上で、ビュー特徴類似性グラフと高信頼な擬ラベルグラフを整列させることにより、グローバルなコントラストキャリブレーション損失を提案する。
トレーニング手順の間、対話型クロスビュー機能は、ローカルレベルとグローバルレベルの両方で共同最適化される。
論文 参考訳（メタデータ） (2023-08-17T14:14:28Z) - PalGAN: Image Colorization with Palette Generative Adversarial Networks [51.59276436217957]
そこで本研究では,パレット推定とカラーアテンションを統合した新しいGANベースのカラー化手法PalGANを提案する。
PalGANは、定量的評価と視覚比較において最先端の成果を上げ、顕著な多様性、コントラスト、およびエッジ保存の外観を提供する。
論文 参考訳（メタデータ） (2022-10-20T12:28:31Z) - Cross-Camera Deep Colorization [10.254243409261898]
本稿では,カラープラスモノデュアルカメラシステムからの画像の整列と融合を行う,エンドツーエンドの畳み込みニューラルネットワークを提案する。
提案手法は,約10dBPSNRゲインの大幅な改善を継続的に達成する。
論文 参考訳（メタデータ） (2022-08-26T11:02:14Z) - Series Photo Selection via Multi-view Graph Learning [52.33318426088579]
連続写真選択(SPS)は画像美学の質評価の重要な分野である。
我々は,マルチビュー特徴間の関係を構築するために,グラフニューラルネットワークを利用する。
ほぼ同一の一連の写真の中から最適なものを選択するために、シアムズネットワークが提案されている。
論文 参考訳（メタデータ） (2022-03-18T04:23:25Z) - Underwater Image Enhancement via Medium Transmission-Guided Multi-Color
Space Embedding [88.46682991985907]
本稿では,Ucolor と呼ばれる媒体透過誘導多色空間埋め込みによる水中画像強調ネットワークを提案する。
当社のネットワークは、複数の色空間を埋め込むことにより、水中画像の視覚的品質を効果的に改善できます。
論文 参考訳（メタデータ） (2021-04-27T07:35:30Z) - Underwater Image Color Correction by Complementary Adaptation [0.0]
本稿では,CIELAB色空間におけるTikhonov型最適化モデルに基づく水中色補正手法を提案する。
本手法は, 長期適応プロセスとして, 水中色キャストを効果的に除去し, バランスの取れた色分布を得る。
論文 参考訳（メタデータ） (2020-10-21T03:59:22Z) - Probabilistic Color Constancy [88.85103410035929]
我々は、異なる画像領域の寄与を重み付けすることで、シーンの照度を推定するためのフレームワークを定義する。
提案手法は,INTEL-TAUデータセット上での最先端技術と比較して,競合性能を実現する。
論文 参考訳（メタデータ） (2020-05-06T11:03:05Z)
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。