論文の概要: NamedCurves: Learned Image Enhancement via Color Naming
- arxiv url: http://arxiv.org/abs/2407.09892v1
- Date: Sat, 13 Jul 2024 13:51:25 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-16 20:27:46.237349
- Title: NamedCurves: Learned Image Enhancement via Color Naming
- Title(参考訳): NamedCurves:カラーナーミングによる画像強調学習
- Authors: David Serrano-Lozano, Luis Herranz, Michael S. Brown, Javier Vazquez-Corral,
- Abstract要約: そこで我々は,学習に基づく画像強調手法であるnamedCurvesを提案する。
提案手法では,各色をトーンカーブでグローバルに調整し,空間的編集を模倣するために注意に基づく融合機構を用いて画像を組み合わせる。
- 参考スコア(独自算出の注目度): 35.01034487051896
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A popular method for enhancing images involves learning the style of a professional photo editor using pairs of training images comprised of the original input with the editor-enhanced version. When manipulating images, many editing tools offer a feature that allows the user to manipulate a limited selection of familiar colors. Editing by color name allows easy adjustment of elements like the "blue" of the sky or the "green" of trees. Inspired by this approach to color manipulation, we propose NamedCurves, a learning-based image enhancement technique that separates the image into a small set of named colors. Our method learns to globally adjust the image for each specific named color via tone curves and then combines the images using an attention-based fusion mechanism to mimic spatial editing. We demonstrate the effectiveness of our method against several competing methods on the well-known Adobe 5K dataset and the PPR10K dataset, showing notable improvements.
- Abstract(参考訳): 画像強調のための一般的な方法は、元の入力とエディタ拡張版からなるトレーニング画像のペアを使用して、プロのフォトエディターのスタイルを学ぶことである。
画像を操作する際、多くの編集ツールは、ユーザが慣れ親しんだ色の限られた選択を操作できる機能を提供する。
色名による編集は、空の「青」や木の「緑」といった要素を容易に調整できる。
色操作のこのアプローチに触発されて、学習に基づく画像強調技術であるNamedCurvesを提案する。
提案手法では,各色をトーンカーブでグローバルに調整し,空間的編集を模倣するために注意に基づく融合機構を用いて画像を組み合わせる。
我々は、有名なAdobe 5KデータセットとPPR10Kデータセットの競合するいくつかの手法に対して、本手法の有効性を実証し、顕著な改善点を示した。
関連論文リスト
- Palette-based Color Transfer between Images [9.471264982229508]
そこで我々は,新しいカラースキームを自動生成できるパレットベースのカラートランスファー手法を提案する。
再設計されたパレットベースのクラスタリング手法により、色分布に応じて画素を異なるセグメントに分類することができる。
本手法は, 自然リアリズム, 色整合性, 一般性, 堅牢性の観点から, ピア法に対して有意な優位性を示す。
論文 参考訳(メタデータ) (2024-05-14T01:41:19Z) - 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) - Exemplar-Based Image Colorization with A Learning Framework [7.793461393970992]
学習フレームワークを用いた自動着色手法を提案する。
カラー化過程と学習過程を分離し、同一のグレー画像に対して様々なカラースタイルを生成する。
最先端のカラー化アルゴリズムに匹敵する性能を達成している。
論文 参考訳(メタデータ) (2022-09-13T07:15:25Z) - 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) - SpaceEdit: Learning a Unified Editing Space for Open-Domain Image
Editing [94.31103255204933]
オープンドメイン画像の色やトーン調整に着目したオープンドメイン画像編集のための統一モデルを提案する。
我々のモデルは、よりセマンティックで直感的で操作が容易な統合編集空間を学習する。
画像ペアを学習した編集空間の潜在コードに変換することで、下流編集タスクに我々のモデルを活用できることが示される。
論文 参考訳(メタデータ) (2021-11-30T23:53:32Z) - Image color correction, enhancement, and editing [14.453616946103132]
画像信号処理装置(ISP)の立場から見た色補正問題について検討する。
特に,新しいカラーのカメラレンダリング画像の異なる実写版を生成するためのオートイメージ再キャプチャ手法を提案する。
論文 参考訳(メタデータ) (2021-07-28T01:14:12Z) - Look here! A parametric learning based approach to redirect visual
attention [49.609412873346386]
画像領域を微妙な画像編集によってより注目度の高いものにするための自動手法を提案する。
我々のモデルは、前景および背景画像領域に適用可能な、異なるグローバルパラメトリック変換セットを予測する。
編集により、任意の画像サイズでインタラクティブなレートでの推論が可能になり、簡単に動画に一般化できる。
論文 参考訳(メタデータ) (2020-08-12T16:08:36Z) - Deep Preset: Blending and Retouching Photos with Color Style Transfer [15.95010869939508]
我々は、低レベル画像変換、特に色調変換の学習に焦点をあて、次いで、地軸で色調変換を訓練する新しいスキームを提案する。
1)自然色のあるコンテンツから参照に色変換を表す特徴を一般化し、その特徴を内容の文脈的特徴にブレンドするように設計されている。
写真編集の強力なツールであるLightroomを使って、Flick2Kデータセットから1200のイメージと、69の設定で500のユーザ生成プリセットを使用して、60万のトレーニングサンプルを生成する。
論文 参考訳(メタデータ) (2020-07-21T10:41:03Z) - Deep Line Art Video Colorization with a Few References [49.7139016311314]
そこで本稿では,対象の参照画像と同一のカラースタイルでラインアートビデオを自動的に色付けする深層アーキテクチャを提案する。
本フレームワークはカラートランスフォーメーションネットワークと時間制約ネットワークから構成される。
本モデルでは,少量のサンプルでパラメータを微調整することで,より優れたカラー化を実現することができる。
論文 参考訳(メタデータ) (2020-03-24T06:57:40Z)
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。