Fugu-MT 論文翻訳(概要): Automated Image Color Mapping for a Historic Photographic Collection

論文の概要: Automated Image Color Mapping for a Historic Photographic Collection

arxiv url: http://arxiv.org/abs/2411.04659v1
Date: Thu, 07 Nov 2024 12:42:48 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-08 19:37:39.549154
Title: Automated Image Color Mapping for a Historic Photographic Collection
Title（参考訳）: 歴史的写真コレクションの自動カラーマッピング
Authors: Taylor Arnold, Lauren Tilton,
Abstract要約: 1970年代、アメリカ合衆国環境保護庁は、全国の環境課題を文書化する大規模な写真撮影イニシアチブを後援した。ほとんどの画像はオリジナルの印刷物の破損したコピーからスキャンされた。本研究は, プリントの基礎化学に基づいて, ヒストグラムマッチング手法を改良し, 評価する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: In the 1970s, the United States Environmental Protection Agency sponsored Documerica, a large-scale photography initiative to document environmental subjects nation-wide. While over 15,000 digitized public-domain photographs from the collection are available online, most of the images were scanned from damaged copies of the original prints. We present and evaluate a modified histogram matching technique based on the underlying chemistry of the prints for correcting the damaged images by using training data collected from a small set of undamaged prints. The entire set of color-adjusted Documerica images is made available in an open repository.
Abstract（参考訳）: 1970年代、アメリカ合衆国環境保護庁はドクメリカ(Documerica)を後援した。コレクションから15,000枚以上のデジタル化されたパブリックドメインの写真がオンラインで公開されているが、ほとんどの画像はオリジナルの印刷物の破損したコピーからスキャンされた。そこで本研究では,損傷した画像の補正に,損傷のない少数の印刷物から収集したトレーニングデータを用いて,プリントの基礎化学に基づいて,修正されたヒストグラムマッチング手法を提案し,評価する。色調整されたDocumericaイメージの全セットは、オープンリポジトリで利用可能である。

関連論文リスト

Descanning: From Scanned to the Original Images with a Color Correction Diffusion Model [11.179584649698134]
我々はDESCAN-18Kという,高品質で大規模なデータセットを新たに導入する。これは、複数の複雑な劣化を含む野生で収集された18K対の原画像とスキャンされた画像を含んでいる。本研究では,大域的な色劣化を補正するカラーエンコーダと,局所的な劣化を除去する条件付き拡散確率モデル(DDPM)からなる,DescanDiffusionと呼ばれる新しい画像復元モデルを提案する。
論文参考訳（メタデータ） (2024-02-08T02:11:52Z)
IMPRESS: Evaluating the Resilience of Imperceptible Perturbations Against Unauthorized Data Usage in Diffusion-Based Generative AI [52.90082445349903]
拡散ベースの画像生成モデルは、アーティストのスタイルを模倣するアートイメージを作成したり、偽のコンテンツのためにオリジナルの画像を悪意を持って編集することができる。知覚不能な摂動を追加することによって、元のイメージをそのような不正なデータ使用から保護する試みがいくつかなされている。本研究では, IMPRESS という浄化摂動プラットフォームを導入し, 非受容性摂動の有効性を保護策として評価する。
論文参考訳（メタデータ） (2023-10-30T03:33:41Z)
DocStormer: Revitalizing Multi-Degraded Colored Document Images to Pristine PDF [16.00821082362719]
色とりどりの多彩な画像の復元は大きな課題だが、見落としている。本稿では,多彩色文書をPDFに復元する新しいアルゴリズムであるDocStormerを提案する。
論文参考訳（メタデータ） (2023-10-27T05:59:12Z)
Perceptual Artifacts Localization for Image Synthesis Tasks [59.638307505334076]
我々は10,168個の画像からなる新しいデータセットを導入し,それぞれに知覚的アーティファクトラベルを付加した。提案したデータセットに基づいてトレーニングされたセグメンテーションモデルは、さまざまなタスクにまたがるアーティファクトを効果的にローカライズする。生成した画像の知覚的アーティファクトをシームレスに修正する,革新的なズームイン・インペインティングパイプラインを提案する。
論文参考訳（メタデータ） (2023-10-09T10:22:08Z)
Comprint: Image Forgery Detection and Localization using Compression Fingerprints [19.54952278001317]
Comprintは、圧縮指紋またはコンプリントに基づく、新しい偽造検出および位置決め方法である。補足型カメラモデル指紋を用いたComprintと最先端のノイズプリントの融合を提案する。 ComprintとFusion Comprint+Noiseprintは、Wildで改ざんされた画像を分析するための有望な法医学ツールだ。
論文参考訳（メタデータ） (2022-10-05T13:05:18Z)
Augraphy: A Data Augmentation Library for Document Images [59.457999432618614]
Augraphyはデータ拡張パイプラインを構築するためのPythonライブラリである。標準的なオフィス操作によって変更されたように見えるクリーンなドキュメントイメージの拡張版を作成するための戦略を提供する。
論文参考訳（メタデータ） (2022-08-30T22:36:19Z)
Open Set Classification of Untranscribed Handwritten Documents [56.0167902098419]
重要な写本の膨大な量のデジタルページイメージが世界中のアーカイブに保存されている。ドキュメントのクラスや型付け'はおそらくメタデータに含まれる最も重要なタグです。技術的問題は文書の自動分類の1つであり、それぞれが書き起こされていない手書きのテキスト画像からなる。
論文参考訳（メタデータ） (2022-06-20T20:43:50Z)
Measuring Perceptual Color Differences of Smartphone Photographs [55.9434603885868]
知覚CD評価のための最大の画像データセットをまとめた。我々は、軽量ニューラルネットワークに基づいて、エンドツーエンドで学習可能なCD公式を構築するための最初の試みの1つである。
論文参考訳（メタデータ） (2022-05-26T16:57:04Z)
DiT: Self-supervised Pre-training for Document Image Transformer [85.78807512344463]
自己教師付き文書画像変換モデルであるDiTを提案する。さまざまなビジョンベースのDocument AIタスクでは,バックボーンネットワークとしてDiTを活用しています。実験結果から, 自己教師付き事前訓練型DiTモデルにより, 新たな最先端結果が得られることが示された。
論文参考訳（メタデータ） (2022-03-04T15:34:46Z)
VIPPrint: A Large Scale Dataset of Printed and Scanned Images for Synthetic Face Images Detection and Source Linking [26.02960434287235]
本稿では,多数の合成顔画像と天然顔画像からなる新しいデータセットを提案する。印刷およびスキャン画像に適用すると、自然顔画像と合成顔画像を区別する最先端の方法が失敗することを確認します。
論文参考訳（メタデータ） (2021-02-01T13:00:29Z)
Source Printer Identification from Document Images Acquired using Smartphone [14.889347839830092]
我々は,文字画像とプリンタ固有のノイズ残差の融合から,単一のCNNモデルを学習することを提案する。提案手法は,5x2クロスバリデーション手法を用いて,文字「e」の画像を用いた98.42%の文書分類精度を実現する。
論文参考訳（メタデータ） (2020-03-27T18:59:32Z)

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。