論文の概要: Exemplar-Based Image Colorization with A Learning Framework

• arxiv url: http://arxiv.org/abs/2209.05775v1
• Date: Tue, 13 Sep 2022 07:15:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-14 12:51:54.278339
• Title: Exemplar-Based Image Colorization with A Learning Framework
• Title（参考訳）: 学習フレームワークを用いた模範画像のカラー化
• Authors: Zhenfeng Xue, Jiandang Yang, Jie Ren, Yong Liu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 7.793461393970992
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image learning and colorization are hot spots in multimedia domain. Inspired by the learning capability of humans, in this paper, we propose an automatic colorization method with a learning framework. This method can be viewed as a hybrid of exemplar-based and learning-based method, and it decouples the colorization process and learning process so as to generate various color styles for the same gray image. The matching process in the exemplar-based colorization method can be regarded as a parameterized function, and we employ a large amount of color images as the training samples to fit the parameters. During the training process, the color images are the ground truths, and we learn the optimal parameters for the matching process by minimizing the errors in terms of the parameters for the matching function. To deal with images with various compositions, a global feature is introduced, which can be used to classify the images with respect to their compositions, and then learn the optimal matching parameters for each image category individually. What's more, a spatial consistency based post-processing is design to smooth the extracted color information from the reference image to remove matching errors. Extensive experiments are conducted to verify the effectiveness of the method, and it achieves comparable performance against the state-of-the-art colorization algorithms.
• Abstract（参考訳）: 画像の学習と色付けはマルチメディア領域のホットスポットである。 本稿では,人間の学習能力に触発されて,学習フレームワークを用いた自動着色法を提案する。 この方法は、模範的および学習的手法のハイブリッドと見なすことができ、カラー化プロセスと学習プロセスを分離して、同じグレー画像に対して様々なカラースタイルを生成する。 実例ベースカラー化法におけるマッチング処理はパラメータ化関数と見なすことができ,そのパラメータに適合するトレーニングサンプルとして多量のカラー画像を用いる。 トレーニングの過程では,色画像が基礎となる真理であり,マッチング関数のパラメータで誤差を最小化することにより,マッチングプロセスの最適パラメータを学習する。 様々な構成で画像を扱うために、グローバルな特徴を導入し、その構成について画像を分類し、各画像カテゴリの最適なマッチングパラメータを個別に学習することができる。 さらに、空間整合性に基づく後処理は、参照画像から抽出した色情報を滑らかにし、一致するエラーを取り除くように設計されている。 本手法の有効性を検証するために大規模な実験を行い,最先端のカラー化アルゴリズムに対して同等の性能を実現する。

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)
• 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)
• Incorporating Ensemble and Transfer Learning For An End-To-End Auto-Colorized Image Detection Model [0.0]
  本稿では,移動学習とアンサンブル学習の利点を組み合わせた新たな手法を提案する。 提案したモデルは、94.55%から99.13%の精度で有望な結果を示す。
  論文  参考訳（メタデータ） (2023-09-25T19:22:57Z)
• 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)
• Generative Probabilistic Image Colorization [2.110198946293069]
  本稿では,音の劣化の各ステップを逆転させる確率モデル列を訓練する拡散型生成法を提案する。 入力として線引き画像が与えられた場合、本手法は複数の候補色付き画像を提案する。 提案手法は,色条件の画像生成タスクだけでなく,実用的な画像補完や塗装タスクにも有効である。
  論文  参考訳（メタデータ） (2021-09-29T16:10:12Z)
• TUCaN: Progressively Teaching Colourisation to Capsules [13.50327471049997]
  TUCaN(Tiny UCapsNet)という新しいダウンサンプリングアップサンプリングアーキテクチャを提案する。 我々は,色を量化空間内のビンとして識別するピクセルごとの色分類タスクとして,この問題に対処する。 ネットワークをトレーニングするために、標準的なエンドツーエンド学習法とは対照的に、オブジェクトのコンテキストを抽出するプログレッシブラーニング方式を提案する。
  論文  参考訳（メタデータ） (2021-06-29T08:44:15Z)
• Deep Image Compositing [93.75358242750752]
  ユーザ入力なしで高品質の画像合成を自動生成する手法を提案する。 ラプラシアン・ピラミッド・ブレンディングにインスパイアされ、フォアグラウンドや背景画像からの情報を効果的に融合させるために、密結合型多ストリーム融合ネットワークが提案されている。 実験により,提案手法は高品質な合成物を自動生成し,定性的かつ定量的に既存手法より優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-11-04T06:12:24Z)
• Image Colorization: A Survey and Dataset [78.89573261114428]
  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。 既存のデータセットと新しいデータセットを用いて、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)
• Learning to Compose Hypercolumns for Visual Correspondence [57.93635236871264]
  本稿では,画像に条件付けされた関連レイヤを活用することで,動的に効率的な特徴を構成する視覚対応手法を提案する。 提案手法はダイナミックハイパーピクセルフロー(Dynamic Hyperpixel Flow)と呼ばれ,深層畳み込みニューラルネットワークから少数の関連層を選択することにより,高速にハイパーカラム機能を構成することを学習する。
  論文  参考訳（メタデータ） (2020-07-21T04:03:22Z)
• 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。