論文の概要: Enabling Region-Specific Control via Lassos in Point-Based Colorization

• arxiv url: http://arxiv.org/abs/2412.13469v1
• Date: Wed, 18 Dec 2024 03:35:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-19 16:46:02.026700
• Title: Enabling Region-Specific Control via Lassos in Point-Based Colorization
• Title（参考訳）: 点ベース色化におけるラッソスによる領域特異的制御の実現
• Authors: Sanghyeon Lee, Jooyeol Yun, Jaegul Choo,
• Abstract要約: 各色ヒントの範囲を制御できるラッソツールを導入する。 また、ユーザが提供するラッソスを利用してアテンションマスクをローカライズするフレームワークを設計する。 実験結果から、1つのラッソを使うことは4.18個の色ヒントを施すのと同じくらい効果的であることが示された。
• 参考スコア（独自算出の注目度）: 34.49200294787326
• License:
• Abstract: Point-based interactive colorization techniques allow users to effortlessly colorize grayscale images using user-provided color hints. However, point-based methods often face challenges when different colors are given to semantically similar areas, leading to color intermingling and unsatisfactory results-an issue we refer to as color collapse. The fundamental cause of color collapse is the inadequacy of points for defining the boundaries for each color. To mitigate color collapse, we introduce a lasso tool that can control the scope of each color hint. Additionally, we design a framework that leverages the user-provided lassos to localize the attention masks. The experimental results show that using a single lasso is as effective as applying 4.18 individual color hints and can achieve the desired outcomes in 30% less time than using points alone.
• Abstract（参考訳）: ポイントベースのインタラクティブなカラー化技術により、ユーザはユーザが提供したカラーヒントを使って、グレースケールの画像を積極的に色づけすることができる。 しかし、ポイントベースの手法は、異なる色が意味的に類似した領域に与えられると、しばしば課題に直面し、色が混在し、満足できない結果をもたらす。 色崩壊の根本的な原因は、各色の境界を定義するための点の不適切さである。 色の崩壊を軽減するために,各色のヒントの範囲を制御できるラッソツールを導入する。 さらに、ユーザが提供するラッソスを活用してアテンションマスクをローカライズするフレームワークを設計する。 実験の結果、単一ラッソの使用は4.18色のヒントを施すのと同じくらい効果的であり、ポイントのみを使用するよりも30%少ない時間で望ましい結果が得られることがわかった。

関連論文リスト

• Paint Bucket Colorization Using Anime Character Color Design Sheets [72.66788521378864]
  ネットワークがセグメント間の関係を理解することができる包摂的マッチングを導入する。 ネットワークのトレーニングパイプラインは、カラー化と連続フレームカラー化の両方のパフォーマンスを著しく向上させる。 ネットワークのトレーニングをサポートするために、PaintBucket-Characterというユニークなデータセットを開発しました。
  論文  参考訳（メタデータ） (2024-10-25T09:33:27Z)
• 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)
• 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)
• BiSTNet: Semantic Image Prior Guided Bidirectional Temporal Feature Fusion for Deep Exemplar-based Video Colorization [70.14893481468525]
  本稿では,参照例の色を探索し,映像のカラー化を支援するために有効なBiSTNetを提案する。 まず、各フレームと参照例間の深い特徴空間における意味的対応を確立し、参照例からの色情報を探究する。 我々は,フレームのオブジェクト境界をモデル化するための意味情報を抽出する混合専門家ブロックを開発した。
  論文  参考訳（メタデータ） (2022-12-05T13:47:15Z)
• Guiding Users to Where to Give Color Hints for Efficient Interactive Sketch Colorization via Unsupervised Region Prioritization [31.750591990768307]
  本稿では,ユーザインタラクションの必要量を削減するモデル誘導型ディープインタラクティブカラー化フレームワークを提案する。 GuidingPainterと呼ばれるこの手法は、モデルが最も色ヒントを必要とする領域を優先します。
  論文  参考訳（メタデータ） (2022-10-25T18:50:09Z)
• PalGAN: Image Colorization with Palette Generative Adversarial Networks [51.59276436217957]
  そこで本研究では,パレット推定とカラーアテンションを統合した新しいGANベースのカラー化手法PalGANを提案する。 PalGANは、定量的評価と視覚比較において最先端の成果を上げ、顕著な多様性、コントラスト、およびエッジ保存の外観を提供する。
  論文  参考訳（メタデータ） (2022-10-20T12:28:31Z)
• 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)
• Deep Edge-Aware Interactive Colorization against Color-Bleeding Effects [15.386085970550996]
  深層画像の着色ネットワークは、しばしば着色するアーティファクトに悩まされる。 そこで本稿では,興味のある領域を対象とした新しいエッジ強化フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-04T13:14:31Z)
• Instance-aware Image Colorization [51.12040118366072]
  本稿では,インスタンス認識のカラー化を実現する手法を提案する。 我々のネットワークアーキテクチャは、市販のオブジェクト検出器を利用して、収穫されたオブジェクト画像を取得する。 類似したネットワークを用いて、フルイメージの特徴を抽出し、融合モジュールを適用して最終色を予測する。
  論文  参考訳（メタデータ） (2020-05-21T17:59:23Z)

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。