論文の概要: A Color Image Analysis Tool to Help Users Choose a Makeup Foundation Color

• arxiv url: http://arxiv.org/abs/2407.05553v1
• Date: Mon, 8 Jul 2024 02:01:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-09 17:19:52.474389
• Title: A Color Image Analysis Tool to Help Users Choose a Makeup Foundation Color
• Title（参考訳）: 化粧料の色選択を支援するカラー画像解析ツール
• Authors: Yafei Mao, Christopher Merkle, Jan P. Allebach,
• Abstract要約: 本稿では,ノメイク自撮り画像と基礎陰影画像に基づいて,肌色と境界色を推定する手法を提案する。 まず、カラーチェッカーターゲットの助けを借りて画像の校正を行い、その後、皮膚の色を予測するために教師付き学習モデルを訓練する。
• 参考スコア（独自算出の注目度）: 4.374427560393137
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents an approach to predict the color of skin-with-foundation based on a no makeup selfie image and a foundation shade image. Our approach first calibrates the image with the help of the color checker target, and then trains a supervised-learning model to predict the skin color. In the calibration stage, We propose to use three different transformation matrices to map the device dependent RGB response to the reference CIE XYZ space. In so doing, color correction error can be minimized. We then compute the average value of the region of interest in the calibrated images, and feed them to the prediction model. We explored both the linear regression and support vector regression models. Cross-validation results show that both models can accurately make the prediction.
• Abstract（参考訳）: 本稿では,ノメイク自撮り画像と基礎陰影画像に基づいて,肌色と境界色を推定する手法を提案する。 まず、カラーチェッカーターゲットの助けを借りて画像の校正を行い、その後、皮膚の色を予測するために教師付き学習モデルを訓練する。 キャリブレーション段階では,CIE XYZ空間に依存するRGB応答をマッピングするために,3つの異なる変換行列を用いることを提案する。 これにより、色補正誤差を最小限に抑えることができる。 次に、キャリブレーションされた画像における関心領域の平均値を計算し、それらを予測モデルに供給する。 線形回帰モデルと支持ベクトル回帰モデルの両方について検討した。 クロスバリデーションの結果は、両方のモデルが正確に予測できることを示している。

関連論文リスト

• Color Shift Estimation-and-Correction for Image Enhancement [37.52492067462557]
  準最適照明条件下で撮影された画像は、オーバー露光とアンダー露光の両方を含む可能性がある。 現在のアプローチは主に画像の明るさの調整に重点を置いており、これは未露光領域における色調歪みを悪化させる可能性がある。 そこで本研究では,これらの色変化を推定・補正する学習によって,過度露光と過度露光の両方で画像を強化する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-05-28T00:45:35Z)
• CCC: Color Classified Colorization [0.0]
  カラー化問題を多項分類問題に定式化し、次に重み付き関数をクラスに適用する。 カラー値をカラークラスに変換するための式セットを提案し,その逆も提案する。 提案したモデルと5つの異なるデータセットを用いた最先端モデルを比較した。
  論文  参考訳（メタデータ） (2024-03-03T11:00:15Z)
• 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)
• 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)
• GradViT: Gradient Inversion of Vision Transformers [83.54779732309653]
  我々は,視力変換器(ViT)の勾配に基づく逆攻撃に対する脆弱性を実証する。 自然に見える画像にランダムノイズを最適化するGradViTという手法を提案する。 元の(隠された)データに対する前例のない高い忠実さと近接性を観察する。
  論文  参考訳（メタデータ） (2022-03-22T17:06:07Z)
• Bias in Automated Image Colorization: Metrics and Error Types [0.5801044612920815]
  自動GANベースのDeOldifyモデルでカラー化した場合,ADE20Kデータセットからカラー化画像に存在する色変化を測定した。 原画像と着色画像の局所的・局所的偏差を微妙に測定し,多くの着色効果を観察する。
  論文  参考訳（メタデータ） (2022-02-16T15:34:09Z)
• CoRe: Color Regression for Multicolor Fashion Garments [80.57724826629176]
  本稿では,RGBの正確な値を予測するために,色検出を回帰問題として扱う。 新たに提案したアーキテクチャの洗練のための第2のレグレッションステージも含んでいます。 このアーキテクチャはモジュラーであり、多色衣料のすべての色のRGBを検出するために容易に拡張される。
  論文  参考訳（メタデータ） (2020-10-06T16:12:30Z)
• Uncertainty Inspired RGB-D Saliency Detection [70.50583438784571]
  本稿では,データラベリングプロセスから学習することで,RGB-D値検出の不確実性を利用した最初のフレームワークを提案する。 そこで本研究では,確率的RGB-Dサリエンシ検出を実現するために,サリエンシデータラベリングプロセスにインスパイアされた生成アーキテクチャを提案する。 6つの挑戦的RGB-Dベンチマークデータセットの結果から,サリエンシマップの分布を学習する際のアプローチの優れた性能が示された。
  論文  参考訳（メタデータ） (2020-09-07T13:01:45Z)
• Example-based Color Transfer with Gaussian Mixture Modeling [16.880968031370767]
  我々は、確率的枠組みの下で色移動をモデル化し、パラメータ推定問題としてキャストする。 最適化には期待最大化(EM)アルゴリズム(EステップとMステップ)を用いる。 本手法は,EMイテレーションの増加とともに連続色変換結果を生成することができる。
  論文  参考訳（メタデータ） (2020-08-31T14:07:54Z)
• I2L-MeshNet: Image-to-Lixel Prediction Network for Accurate 3D Human Pose and Mesh Estimation from a Single RGB Image [79.040930290399]
  I2L-MeshNetを提案する。 提案したI2L-MeshNetは、パラメータを直接回帰するのではなく、各メッシュ座標の1Dヒートマップ上のリセル当たりの確率を予測する。 我々のリセルベースの1Dヒートマップは入力画像の空間的関係を保存し、予測の不確かさをモデル化する。
  論文  参考訳（メタデータ） (2020-08-09T12:13:31Z)

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。