論文の概要: Neural Preset for Color Style Transfer

• arxiv url: http://arxiv.org/abs/2303.13511v2
• Date: Fri, 24 Mar 2023 17:59:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 11:14:45.731510
• Title: Neural Preset for Color Style Transfer
• Title（参考訳）: カラースタイル伝達のためのニューラルプリセット
• Authors: Zhanghan Ke, Yuhao Liu, Lei Zhu, Nanxuan Zhao, Rynson W.H. Lau
• Abstract要約: 本稿では,既存のカラースタイル転送手法の限界に対処するニューラルプレセット手法を提案する。 提案手法は2つのコア設計に基づいており,まず,各画素に対して連続的に動作する決定論的ニューラルカラーマッピング(DNCM)を提案する。 第2に、タスクをカラー正規化とスタイル化に分割することで、2段階のパイプラインを構築する。
• 参考スコア（独自算出の注目度）: 46.66925849502683
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a Neural Preset technique to address the limitations of existing color style transfer methods, including visual artifacts, vast memory requirement, and slow style switching speed. Our method is based on two core designs. First, we propose Deterministic Neural Color Mapping (DNCM) to consistently operate on each pixel via an image-adaptive color mapping matrix, avoiding artifacts and supporting high-resolution inputs with a small memory footprint. Second, we develop a two-stage pipeline by dividing the task into color normalization and stylization, which allows efficient style switching by extracting color styles as presets and reusing them on normalized input images. Due to the unavailability of pairwise datasets, we describe how to train Neural Preset via a self-supervised strategy. Various advantages of Neural Preset over existing methods are demonstrated through comprehensive evaluations. Notably, Neural Preset enables stable 4K color style transfer in real-time without artifacts. Besides, we show that our trained model can naturally support multiple applications without fine-tuning, including low-light image enhancement, underwater image correction, image dehazing, and image harmonization. Project page with demos: https://zhkkke.github.io/NeuralPreset .
• Abstract（参考訳）: 本稿では,視覚アーチファクトや膨大なメモリ要求,スロースタイルスイッチング速度など,既存のカラースタイル転送方法の制限に対処するためのニューラルプリセット手法を提案する。 我々の手法は2つのコア設計に基づいている。 まず,画像適応色マッピングマトリクスを介して各画素に対して一貫して動作し,アーティファクトを回避し,少ないメモリフットプリントで高解像度入力をサポートする決定論的ニューラルネットワークマッピング(dncm)を提案する。 次に,カラー正規化とスタイライゼーションにタスクを分割し,カラースタイルをプリセットとして抽出し,正規化入力画像で再利用することで,効率的なスタイル切り替えを実現する2段階パイプラインを開発した。 ペアワイズデータセットが利用できないため、自己教師型戦略を用いてNeural Presetをトレーニングする方法を解説する。 既存の手法に対するニューラル・プリセットの様々な利点は包括的評価によって示される。 特にneural presetは、アーティファクトなしで安定した4kカラースタイル転送を可能にする。 さらに,本モデルでは,低照度画像強調,水中画像補正,デハージング,画像調和など,微調整の必要なく複数のアプリケーションを自然にサポートできることが示されている。 デモのあるプロジェクトページ: https://zhkke.github.io/NeuralPreset 。

関連論文リスト

• NCST: Neural-based Color Style Transfer for Video Retouching [3.2050418539021774]
  ビデオカラー転送は、参照スタイル画像を用いて、オリジナルビデオの色スタイルを変換することを目的としている。 既存のほとんどの手法ではニューラルネットワークを採用しており、不透明な転送プロセスのような課題が伴っている。 2つの画像を用いて色調伝達のパラメータを推定する手法を提案する。
  論文  参考訳（メタデータ） (2024-11-01T03:25:15Z)
• Tuning-Free Image Customization with Image and Text Guidance [65.9504243633169]
  テキスト画像の同時カスタマイズのためのチューニング不要なフレームワークを提案する。 提案手法は,テキスト記述に基づく詳細な属性の修正が可能でありながら,参照画像のセマンティックな特徴を保っている。 提案手法は,人的・定量的評価において,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-03-19T11:48:35Z)
• 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)
• Stroke-based Neural Painting and Stylization with Dynamically Predicted Painting Region [66.75826549444909]
  ストロークベースのレンダリングは、ストロークのセットで画像を再現することを目的としている。 本研究では,現在のキャンバスに基づいて絵画領域を予測する合成ニューラルネットワークを提案する。 我々は、新しい微分可能な距離変換損失を伴って、ストロークベースのスタイル転送に拡張する。
  論文  参考訳（メタデータ） (2023-09-07T06:27:39Z)
• 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)
• Neural Color Operators for Sequential Image Retouching [62.99812889713773]
  本稿では,新たに導入したトレーニング可能なニューラルカラー演算子のシーケンスとして,リタッチ処理をモデル化して,新しい画像リタッチ手法を提案する。 ニューラルカラー演算子は、従来のカラー演算子の振舞いを模倣し、その強度をスカラーで制御しながらピクセルワイズな色変換を学習する。 定量的な測定と視覚的品質の両面で,SOTA法と比較して常に最良の結果が得られている。
  論文  参考訳（メタデータ） (2022-07-17T05:33:19Z)
• Learning Diverse Tone Styles for Image Retouching [73.60013618215328]
  本稿では,フローベースアーキテクチャの標準化により,多様な画像のリタッチを学習することを提案する。 ジョイントトレーニングパイプラインは、スタイルエンコーダ、条件付きRetouchNet、イメージトーンスタイル正規化フロー(TSFlow)モジュールで構成される。 提案手法は最先端の手法に対して良好に動作し,多様な結果を生成するのに有効である。
  論文  参考訳（メタデータ） (2022-07-12T09:49:21Z)
• Spatial-Separated Curve Rendering Network for Efficient and High-Resolution Image Harmonization [59.19214040221055]
  本稿では,空間分離型曲線描画ネットワーク(S$2$CRNet)を提案する。 提案手法は従来の手法と比較して90%以上のパラメータを減少させる。 提案手法は,既存の手法よりも10ドル以上高速な高解像度画像をリアルタイムにスムーズに処理することができる。
  論文  参考訳（メタデータ） (2021-09-13T07:20:16Z)
• 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)
• Foreground color prediction through inverse compositing [19.0945877082419]
  自然なイメージのマットでは、目的はイメージの前景のオブジェクトの不透明度を推定することです。 近年、ディープラーニングの進歩により、多くの自然画像マッチングアルゴリズムが完全に自動的に優れたパフォーマンスを達成しています。 本稿では,画像の前景色と背景色を復元するための後処理手法として使用できる新しいリカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-03-24T18:10:15Z)

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。