Fugu-MT 論文翻訳(概要): Edge-Aware Image Color Appearance and Difference Modeling

論文の概要: Edge-Aware Image Color Appearance and Difference Modeling

arxiv url: http://arxiv.org/abs/2304.10669v1
Date: Thu, 20 Apr 2023 22:55:16 GMT
ステータス: 処理完了
システム内更新日: 2023-04-24 16:27:03.429500
Title: Edge-Aware Image Color Appearance and Difference Modeling
Title（参考訳）: エッジアウェア画像色呈示と差分モデリング
Authors: Abhinau K. Venkataramanan
Abstract要約: 人間は鮮やかな色の感覚を発達させ、外観の微妙な違いを検出することができる。エッジ認識方式でコントラスト感度関数と局所適応規則を適用することにより、画像差分予測が改善される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The perception of color is one of the most important aspects of human vision. From an evolutionary perspective, the accurate perception of color is crucial to distinguishing friend from foe, and food from fatal poison. As a result, humans have developed a keen sense of color and are able to detect subtle differences in appearance, while also robustly identifying colors across illumination and viewing conditions. In this paper, we shall briefly review methods for adapting traditional color appearance and difference models to complex image stimuli, and propose mechanisms to improve their performance. In particular, we find that applying contrast sensitivity functions and local adaptation rules in an edge-aware manner improves image difference predictions.
Abstract（参考訳）: 色の知覚は人間の視覚の最も重要な側面の1つである。進化の観点からは、友人と敵、食物と致命的な毒を区別するためには、色の正確な知覚が不可欠である。その結果、人間は鋭い色彩感覚を発達させ、外観の微妙な違いを検知すると同時に、照明や観覧の条件をまたいで色を堅牢に識別することができる。本稿では,画像の複雑な刺激に従来の色調や差分モデルを適用する手法を概観し,その性能向上のためのメカニズムを提案する。特に,コントラスト感度関数と局所適応規則をエッジアウェア方式で適用することで,画像差予測が向上することがわかった。

関連論文リスト

When Does Perceptual Alignment Benefit Vision Representations? [76.32336818860965]
視覚モデル表現と人間の知覚的判断との整合がユーザビリティに与える影響について検討する。モデルと知覚的判断を一致させることで、多くの下流タスクで元のバックボーンを改善する表現が得られることがわかった。その結果,人間の知覚的知識に関する帰納バイアスを視覚モデルに注入することは,より良い表現に寄与することが示唆された。
論文参考訳（メタデータ） (2024-10-14T17:59:58Z)
Data Augmentation via Latent Diffusion for Saliency Prediction [67.88936624546076]
残差予測モデルはラベル付きデータの限られた多様性と量によって制約される。本研究では,実世界のシーンの複雑さと変動性を保ちながら,自然画像の編集を行うディープ・サリエンシ・予測のための新しいデータ拡張手法を提案する。
論文参考訳（メタデータ） (2024-09-11T14:36:24Z)
Comparative Analysis Of Color Models For Human Perception And Visual Color Difference [0.0]
この研究は、RGB、HSV、HSL、XYZ、CIELAB、CIELUVなどの色モデルを評価し、人間の色知覚の正確性を評価する。画像処理では,デジタルデザインから品質管理に至るまで,色差の正確な評価が不可欠である。
論文参考訳（メタデータ） (2024-06-27T20:41:49Z)
A Psychological Study: Importance of Contrast and Luminance in Color to Grayscale Mapping [2.1481347363838017]
グレースケール画像は画像処理とコンピュータビジョンタスクに不可欠である。異なる脱色アルゴリズムを評価・比較するために,心理学実験を設計した。我々は、知覚に基づく単純な色空間変換アルゴリズムと、(ii)空間コントラストに基づくアルゴリズムの2種類のアルゴリズムの比較を行った。
論文参考訳（メタデータ） (2024-02-07T04:51:14Z)
DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In Machine-Assisted Skin Disease Detection [51.92255321684027]
皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
論文参考訳（メタデータ） (2024-01-24T07:45:24Z)
ColorSense: A Study on Color Vision in Machine Visual Recognition [57.916512479603064]
視覚認識ベンチマークから,前景や背景色ラベルの非自明なアノテーション110,000点を収集する。色識別のレベルがマシン認識モデルの性能に与える影響を実証することにより、データセットの使用を検証した。その結果,分類や局所化などの物体認識タスクは,色覚バイアスの影響を受けやすいことが示唆された。
論文参考訳（メタデータ） (2022-12-16T18:51:41Z)
A domain adaptive deep learning solution for scanpath prediction of paintings [66.46953851227454]
本稿では,ある絵画の視覚的体験における視聴者の眼球運動分析に焦点を当てた。我々は、人間の視覚的注意を予測するための新しいアプローチを導入し、人間の認知機能に影響を及ぼす。提案した新しいアーキテクチャは、画像を取り込んでスキャンパスを返す。
論文参考訳（メタデータ） (2022-09-22T22:27:08Z)
Deep Collaborative Multi-Modal Learning for Unsupervised Kinship Estimation [53.62256887837659]
キンシップ検証は、コンピュータビジョンにおける長年の研究課題である。本稿では,顔特性に表される基礎情報を統合するために,新しい協調型多モーダル学習(DCML)を提案する。我々のDCML法は、常に最先端のキンシップ検証法よりも優れている。
論文参考訳（メタデータ） (2021-09-07T01:34:51Z)
Personalizing image enhancement for critical visual tasks: improved legibility of papyri using color processing and visual illusions [0.0]
方法: ユーザ体験実験において, 色処理と視覚錯覚に基づく新しい拡張アルゴリズムを古典的手法と比較する。ユーザは、パーソナリティや社会的条件、タスクとアプリケーションドメイン、専門レベルと画質、ソフトウェア、ハードウェア、インターフェースの余裕などの影響を受けながら、幅広い行動スペクトルを示しました。
論文参考訳（メタデータ） (2021-03-11T23:48:17Z)
Color and Edge-Aware Adversarial Image Perturbations [0.0]
対向摂動を構成するための2つの新しい手法を開発した。 Edge-Aware法は、画像の滑らかな領域で許容される摂動の大きさを減らす。 Color-Aware と Edge-Aware のメソッドも同時に実装できる。
論文参考訳（メタデータ） (2020-08-28T03:02:20Z)

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。