論文の概要: Adaptive color transfer from images to terrain visualizations
- arxiv url: http://arxiv.org/abs/2205.14908v1
- Date: Mon, 30 May 2022 08:03:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-31 14:24:35.902620
- Title: Adaptive color transfer from images to terrain visualizations
- Title（参考訳）: 画像から地形可視化への適応色移動
- Authors: Mingguang Wu, Yanjie Sun, Shangjing Jiang
- Abstract要約: 任意の画像から多様な地形モデルに色を移す2段階のカラー転送手法を提案する。
まず, 離散的な不規則な画像色を連続的, 定期的なカラーグリッドに整理する画像色分類手法を提案する。
カラークラフトに関する一連の主観的関心、例えば「より低い、高い」原則、カラーコンベンション、および空中視点を定量化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Terrain mapping is not only dedicated to communicating how high or how steep
a landscape is but can also help to narrate how we feel about a place. However,
crafting effective and expressive hypsometric tints is challenging for both
nonexperts and experts. In this paper, we present a two-step image-to-terrain
color transfer method that can transfer color from arbitrary images to diverse
terrain models. First, we present a new image color organization method that
organizes discrete, irregular image colors into a continuous, regular color
grid that facilitates a series of color operations, such as local and global
searching, categorical color selection and sequential color interpolation.
Second, we quantify a series of subjective concerns about elevation color
crafting, such as "the lower, the higher" principle, color conventions, and
aerial perspectives. We also define color similarity between image and terrain
visualization with aesthetic quality. We then mathematically formulate
image-to-terrain color transfer as a dual-objective optimization problem and
offer a heuristic searching method to solve the problem. Finally, we compare
elevation tints from our method with a standard color scheme on four test
terrains. The evaluations show that the hypsometric tints from the proposed
method can work as effectively as the standard scheme and that our tints are
more visually favorable. We also showcase that our method can transfer emotion
from image to terrain visualization.
- Abstract（参考訳）: 地形マッピングは、高度や地形がいかに急勾配であるかを伝えるだけでなく、ある場所に対する私たちがどう感じているかを伝えるのにも役立ちます。
しかし、非専門家と専門家の両方にとって、効果的で表現力のある催眠術を製作することは困難である。
本稿では,任意の画像から多様な地形モデルに色を転送できる2段階カラー転送方式を提案する。
まず,局所探索やグローバル探索,カテゴリカラー選択,シーケンシャルカラー補間といった一連のカラー操作を容易にする連続的な正規カラーグリッドに,離散的な不規則な画像色を整理する新しい画像カラー編成手法を提案する。
第二に、我々は「下、上、上」の原則、色慣行、空の視点など、高層カラークラフトに関する一連の主観的関心を定量化する。
また,画像と地形の色彩の類似性を美的品質で定義する。
次に,二目的最適化問題として画像対地色変換を数学的に定式化し,その解法としてヒューリスティック探索法を提案する。
最後に,4つの試験地形における標準カラースキームとの比較を行った。
評価の結果,提案手法のヒプソメトリックティントが標準スキームと同等に効果的に機能し,我々のチントがより視覚的に有利であることが判明した。
また,画像から地形の可視化へ感情を伝達できることを示す。
関連論文リスト
- Palette-based Color Transfer between Images [9.471264982229508]
そこで我々は,新しいカラースキームを自動生成できるパレットベースのカラートランスファー手法を提案する。
再設計されたパレットベースのクラスタリング手法により、色分布に応じて画素を異なるセグメントに分類することができる。
本手法は, 自然リアリズム, 色整合性, 一般性, 堅牢性の観点から, ピア法に対して有意な優位性を示す。
論文 参考訳（メタデータ） (2024-05-14T01:41:19Z) - 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) - CoRF : Colorizing Radiance Fields using Knowledge Distillation [25.714166805323135]
本研究では,入力グレースケールのマルチビュー画像からカラー化された新規ビューを合成する手法を提案する。
自然画像上で学習した着色ネットワークから放射野ネットワークに色知識を伝達する蒸留法を提案する。
実験結果から,提案手法は室内および屋外のシーンにおいて,優れた色付きノベルビューを生成することが示された。
論文 参考訳（メタデータ） (2023-09-14T12:30:48Z) - Name Your Colour For the Task: Artificially Discover Colour Naming via
Colour Quantisation Transformer [62.75343115345667]
そこで本研究では,色空間を定量化しつつ,画像上での認識を維持しつつ,色空間を定量化する新しい色量子化変換器CQFormerを提案する。
人工色システムと人間の言語における基本色用語との一貫性のある進化パターンを観察する。
我々のカラー量子化法は、画像記憶を効果的に圧縮する効率的な量子化法も提供する。
論文 参考訳（メタデータ） (2022-12-07T03:39:18Z) - 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) - iColoriT: Towards Propagating Local Hint to the Right Region in
Interactive Colorization by Leveraging Vision Transformer [29.426206281291755]
iColoriT は,ユーザヒントを関連領域に伝達する新しい点対話型カラー化視覚変換器である。
提案手法は,デコーダアーキテクチャを置き換える効率的なアップサンプリング技術であるピクセルシャッフルを利用して,リアルタイムに画像のカラー化を行う。
論文 参考訳（メタデータ） (2022-07-14T11:40:32Z) - Semantic-Sparse Colorization Network for Deep Exemplar-based
Colorization [23.301799487207035]
模範的なカラー化アプローチは、対象のグレースケール画像に対して可視色を提供するために、参照画像に依存する。
本研究では,グローバルな画像スタイルとセマンティックな色の両方をグレースケールに転送するセマンティック・スパースカラー化ネットワーク(SSCN)を提案する。
我々のネットワークは、あいまいなマッチング問題を緩和しつつ、グローバルカラーとローカルカラーのバランスを完全にとることができる。
論文 参考訳（メタデータ） (2021-12-02T15:35:10Z) - Texture for Colors: Natural Representations of Colors Using Variable
Bit-Depth Textures [13.180922099929765]
そこで本研究では,画像の強度だけでなく,元の色も表わす2値テクスチャの組に画像が変換される自動手法を提案する。
このシステムは、様々な画像ソースでテストすると、美的にバイナリイメージを満足させる。
論文 参考訳（メタデータ） (2021-05-04T21:22:02Z) - 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) - Semantic-driven Colorization [78.88814849391352]
最近の着色は、白黒画像の着色を学習しながら意味情報を暗黙的に予測する。
そこで本研究では,まず,人間の動作をシミュレートして,画像の理解を学習し,色づけする。
論文 参考訳（メタデータ） (2020-06-13T08:13:30Z) - 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)
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。