論文の概要: A Psychological Study: Importance of Contrast and Luminance in Color to Grayscale Mapping

• arxiv url: http://arxiv.org/abs/2402.04583v1
• Date: Wed, 7 Feb 2024 04:51:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-08 16:38:41.547744
• Title: A Psychological Study: Importance of Contrast and Luminance in Color to Grayscale Mapping
• Title（参考訳）: 心理学的研究 : 色彩のコントラストと輝度がグレースケールマッピングに及ぼす影響
• Authors: Prasoon Ambalathankandy, Yafei Ou, Sae Kaneko, Masayuki Ikebe
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.1481347363838017
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Grayscale images are essential in image processing and computer vision tasks. They effectively emphasize luminance and contrast, highlighting important visual features, while also being easily compatible with other algorithms. Moreover, their simplified representation makes them efficient for storage and transmission purposes. While preserving contrast is important for maintaining visual quality, other factors such as preserving information relevant to the specific application or task at hand may be more critical for achieving optimal performance. To evaluate and compare different decolorization algorithms, we designed a psychological experiment. During the experiment, participants were instructed to imagine color images in a hypothetical "colorless world" and select the grayscale image that best resembled their mental visualization. We conducted a comparison between two types of algorithms: (i) perceptual-based simple color space conversion algorithms, and (ii) spatial contrast-based algorithms, including iteration-based methods. Our experimental findings indicate that CIELAB exhibited superior performance on average, providing further evidence for the effectiveness of perception-based decolorization algorithms. On the other hand, the spatial contrast-based algorithms showed relatively poorer performance, possibly due to factors such as DC-offset and artificial contrast generation. However, these algorithms demonstrated shorter selection times. Notably, no single algorithm consistently outperformed the others across all test images. In this paper, we will delve into a comprehensive discussion on the significance of contrast and luminance in color-to-grayscale mapping based on our experimental results and analysis.
• Abstract（参考訳）: 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。 輝度とコントラストを効果的に強調し、重要な視覚的特徴を強調しながら、他のアルゴリズムと容易に互換性がある。 さらに、単純化された表現は、ストレージと送信の目的で効率的である。 コントラストの保存は視覚的品質を維持する上で重要であるが、特定のアプリケーションやタスクに関連する情報を保存するなどの他の要因は、最適なパフォーマンスを達成するためにより重要である。 異なる脱色アルゴリズムを評価し比較するために,心理学実験を設計した。 実験中、被験者は仮想的な「無色世界」のカラーイメージを想像し、彼らの精神的視覚化に最もよく似たグレースケールのイメージを選択するように指示された。 我々は2種類のアルゴリズムの比較を行った。 (i)知覚に基づくシンプルな色空間変換アルゴリズム、及び (II)反復法を含む空間コントラストに基づくアルゴリズム。 実験の結果,cielabは平均で優れた性能を示し,知覚に基づく脱色アルゴリズムの有効性が示唆された。 一方,空間コントラストに基づくアルゴリズムは,DCオフセットや人工コントラスト生成などの要因により,比較的低い性能を示した。 しかし,これらのアルゴリズムでは選択時間が短かった。 特に、どのアルゴリズムも全てのテスト画像で他のアルゴリズムよりも一貫して優れています。 本稿では,実験結果と分析に基づいて,色とグレースケールのマッピングにおけるコントラストと輝度の意義を総合的に検討する。

関連論文リスト

• Multiscale Sliced Wasserstein Distances as Perceptual Color Difference Measures [34.8728594246521]
  マルチスケールスライスされたワッサースタイン距離に基づく知覚CD測度について述べる。 実験結果から,写真画像のCD評価においてCD測定が好適であることが示唆された。 数学的な意味では測度として機能し、画像やビデオのカラー転送タスクの損失関数としてその可能性を示す。
  論文  参考訳（メタデータ） (2024-07-14T12:48:16Z)
• Two Approaches to Supervised Image Segmentation [55.616364225463066]
  本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。 ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。 代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
  論文  参考訳（メタデータ） (2023-07-19T16:42:52Z)
• Deep Intra-Image Contrastive Learning for Weakly Supervised One-Step Person Search [98.2559247611821]
  本稿では,シームズネットワークを用いた画像内コントラスト学習について述べる。 本手法は,弱教師付きワンステップ人物探索手法の最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-02-09T12:45:20Z)
• Immiscible Color Flows in Optimal Transport Networks for Image Classification [68.8204255655161]
  画像の色分布を利用するために最適な輸送原理を適用する物理に着想を得たシステムを提案する。 私たちのダイナミクスは、画像から構築されたネットワーク上を走行する色を不可視的に制御します。 本手法は,カラー情報が重要となるデータセットにおける画像分類タスクにおいて,競合するアルゴリズムよりも優れる。
  論文  参考訳（メタデータ） (2022-05-04T12:41:36Z)
• Detecting Recolored Image by Spatial Correlation [60.08643417333974]
  画像のリカラー化は、画像の色値を操作して新しいスタイルを与える、新たな編集技術である。 本稿では,空間相関の観点から,従来型と深層学習による再色検出の汎用的検出能力を示す解を探索する。 提案手法は,複数のベンチマークデータセット上での最先端検出精度を実現し,未知の種類の再色法を適切に一般化する。
  論文  参考訳（メタデータ） (2022-04-23T01:54:06Z)
• Mix-up Self-Supervised Learning for Contrast-agnostic Applications [33.807005669824136]
  コントラストに依存しないアプリケーションのための,最初の混合型自己教師型学習フレームワークを提案する。 クロスドメイン・ミックスアップに基づく画像間の低分散に対処し、画像再構成と透明性予測に基づくプレテキストタスクを構築する。
  論文  参考訳（メタデータ） (2022-04-02T16:58:36Z)
• Exploring Low-light Object Detection Techniques [0.456877715768796]
  物体検出タスクにどの画像強調アルゴリズムがより適しているかを考察する。 具体的には,基本ヒストグラム等化技術と画像翻訳技術について検討する。 我々は,すべての結果を比較し,平均精度(mAP)を計算し,今後の研究の方向性を示す。
  論文  参考訳（メタデータ） (2021-07-30T01:11:11Z)
• Efficient and Differentiable Shadow Computation for Inverse Problems [64.70468076488419]
  微分可能幾何計算は画像に基づく逆問題に対する関心が高まっている。 微分可能な可視性とソフトシャドウ計算のための効率的かつ効率的なアプローチを提案する。 定式化は微分可能であるため, テクスチャ, 照明, 剛体ポーズ, 画像からの変形回復などの逆問題を解くために使用できる。
  論文  参考訳（メタデータ） (2021-04-01T09:29:05Z)
• 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)
• Tone Mapping Based on Multi-scale Histogram Synthesis [6.6399785438250705]
  本稿では,低ダイナミックレンジ(LDR)デバイスにワイドダイナミックレンジ(WDR)画像を表示できる新しいトーンマッピングアルゴリズムを提案する。 提案アルゴリズムは,視覚系の対数応答と局所適応特性を主目的とする。 実験結果から,提案アルゴリズムは高輝度,良コントラスト,魅力的な画像を生成することができることがわかった。
  論文  参考訳（メタデータ） (2021-01-31T08:11:48Z)
• Probabilistic Color Constancy [88.85103410035929]
  我々は、異なる画像領域の寄与を重み付けすることで、シーンの照度を推定するためのフレームワークを定義する。 提案手法は,INTEL-TAUデータセット上での最先端技術と比較して,競合性能を実現する。
  論文  参考訳（メタデータ） (2020-05-06T11:03:05Z)

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。