論文の概要: Guiding Users to Where to Give Color Hints for Efficient Interactive Sketch Colorization via Unsupervised Region Prioritization

• arxiv url: http://arxiv.org/abs/2210.14270v1
• Date: Tue, 25 Oct 2022 18:50:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 14:40:18.770022
• Title: Guiding Users to Where to Give Color Hints for Efficient Interactive Sketch Colorization via Unsupervised Region Prioritization
• Title（参考訳）: 非教師なし領域優先化による対話型スケッチカラー化のためのカラーヒントをユーザに提供する方法
• Authors: Youngin Cho, Junsoo Lee, Soyoung Yang, Juntae Kim, Yeojeong Park, Haneol Lee, Mohammad Azam Khan, Daesik Kim, Jaegul Choo
• Abstract要約: 本稿では,ユーザインタラクションの必要量を削減するモデル誘導型ディープインタラクティブカラー化フレームワークを提案する。 GuidingPainterと呼ばれるこの手法は、モデルが最も色ヒントを必要とする領域を優先します。
• 参考スコア（独自算出の注目度）: 31.750591990768307
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing deep interactive colorization models have focused on ways to utilize various types of interactions, such as point-wise color hints, scribbles, or natural-language texts, as methods to reflect a user's intent at runtime. However, another approach, which actively informs the user of the most effective regions to give hints for sketch image colorization, has been under-explored. This paper proposes a novel model-guided deep interactive colorization framework that reduces the required amount of user interactions, by prioritizing the regions in a colorization model. Our method, called GuidingPainter, prioritizes these regions where the model most needs a color hint, rather than just relying on the user's manual decision on where to give a color hint. In our extensive experiments, we show that our approach outperforms existing interactive colorization methods in terms of the conventional metrics, such as PSNR and FID, and reduces required amount of interactions.
• Abstract（参考訳）: 既存のディープインタラクティブなカラー化モデルは、実行時のユーザの意図を反映する手段として、ポイントワイズカラーヒント、スクリブル、自然言語テキストなど、さまざまなタイプのインタラクションを使用する方法に重点を置いている。 しかし、スケッチ画像のカラー化のヒントを与えるために、最も効果的な領域のユーザに積極的に通知する別のアプローチが検討されている。 本稿では,カラー化モデルにおける領域の優先順位付けにより,ユーザインタラクションの必要量を削減するモデル誘導型ディープインタラクティブカラー化フレームワークを提案する。 私たちの手法はguidingpainterと呼ばれ、モデルが最も色ヒントを必要とする領域を優先順位付けします。 提案手法は,psnrやfidなどの従来の測定値を用いて,既存のインタラクティブカラー化手法よりも優れており,必要なインタラクション量を削減できることを示す。

関連論文リスト

• Paint Bucket Colorization Using Anime Character Color Design Sheets [72.66788521378864]
  ネットワークがセグメント間の関係を理解することができる包摂的マッチングを導入する。 ネットワークのトレーニングパイプラインは、カラー化と連続フレームカラー化の両方のパフォーマンスを著しく向上させる。 ネットワークのトレーニングをサポートするために、PaintBucket-Characterというユニークなデータセットを開発しました。
  論文  参考訳（メタデータ） (2024-10-25T09:33:27Z)
• Learning Inclusion Matching for Animation Paint Bucket Colorization [76.4507878427755]
  ネットワークにセグメント間の包摂関係を理解するための,学習に基づく新たな包摂的マッチングパイプラインを導入する。 提案手法では,粗いカラーワープモジュールと包括的マッチングモジュールを統合した2段階のパイプラインを特徴とする。 ネットワークのトレーニングを容易にするため,PaintBucket-Characterと呼ばれるユニークなデータセットも開発した。
  論文  参考訳（メタデータ） (2024-03-27T08:32:48Z)
• 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)
• Language-based Photo Color Adjustment for Graphic Designs [38.43984897069872]
  画像のリカラー化のための対話型言語ベースのアプローチを提案する。 本モデルでは,ソース色と対象領域を予測し,与えられた言語に基づく指示に基づいて,対象領域をソース色で再色することができる。
  論文  参考訳（メタデータ） (2023-08-06T08:53:49Z)
• L-CAD: Language-based Colorization with Any-level Descriptions using Diffusion Priors [62.80068955192816]
  我々は,任意のレベルの記述で言語ベースの色付けを行う統一モデルを提案する。 我々は、その頑健な言語理解と豊かな色優先のために、事前訓練されたモダリティ生成モデルを活用する。 提案した新しいサンプリング戦略により,多様な複雑なシナリオにおいて,インスタンス認識のカラー化を実現する。
  論文  参考訳（メタデータ） (2023-05-24T14:57:42Z)
• Attention-Aware Anime Line Drawing Colorization [10.924683447616273]
  本稿では,チャンネルワイド・空間ワイド・コンボリューショナル・アテンション・モジュールを用いたアニメラインドローイングカラー化のための注目モデルを提案する。 提案手法は,より正確な線構造と意味的色情報を用いて,他のSOTA法よりも優れている。
  論文  参考訳（メタデータ） (2022-12-21T12:50:31Z)
• 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)
• 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)
• Deep Edge-Aware Interactive Colorization against Color-Bleeding Effects [15.386085970550996]
  深層画像の着色ネットワークは、しばしば着色するアーティファクトに悩まされる。 そこで本稿では,興味のある領域を対象とした新しいエッジ強化フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-04T13:14:31Z)

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。