Fugu-MT 論文翻訳(概要): Improved image display by identifying the RGB family color space

論文の概要: Improved image display by identifying the RGB family color space

arxiv url: http://arxiv.org/abs/2412.19775v1
Date: Fri, 27 Dec 2024 18:14:54 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-30 17:26:00.332251
Title: Improved image display by identifying the RGB family color space
Title（参考訳）: RGBファミリーカラー空間の同定による画像表示の改善
Authors: Elvis Togban, Djemel Ziou,
Abstract要約: 画素埋め込みとガウス過程を用いて色画像の色空間を同定する。 Adobe RGB、Apple RGB、ColorMatch RGB、ProPhoto RGB、sRGBの5つのカラースペースがサポートされている。
参考スコア（独自算出の注目度）: 1.7955614278088239
License:
Abstract: To display an image, the color space in which the image is encoded is assumed to be known. Unfortunately, this assumption is rarely realistic. In this paper, we propose to identify the color space of a given color image using pixel embedding and the Gaussian process. Five color spaces are supported, namely Adobe RGB, Apple RGB, ColorMatch RGB, ProPhoto RGB and sRGB. The results obtained show that this problem deserves more efforts.
Abstract（参考訳）: 画像を表示するには、画像が符号化された色空間が知られていると仮定する。残念ながら、この仮定は現実的ではない。本稿では,画素埋め込みとガウス過程を用いて,所定の色画像の色空間を同定する。 Adobe RGB、Apple RGB、ColorMatch RGB、ProPhoto RGB、sRGBの5つのカラースペースがサポートされている。結果は、この問題がより多くの努力に値することを示している。

関連論文リスト

Rethinking RGB Color Representation for Image Restoration Models [55.81013540537963]
各画素に局所的な近傍構造情報を保持するために表現を拡大する。画素あたりの損失に対する表現空間の置換は、画像復元モデルのトレーニングを容易にする。私たちの空間は、色と局所構造の両方を再構築することで、全体的なメトリクスを一貫して改善します。
論文参考訳（メタデータ） (2024-02-05T06:38:39Z)
Training Neural Networks on RAW and HDR Images for Restoration Tasks [59.41340420564656]
本研究は,3つの画像復元アプリケーション(デノイング,デブロアリング,シングルイメージ超解像)に対するアプローチを検証した。その結果、ニューラルネットワークは、表示色空間で表現されるHDRおよびRAW画像において、かなりよく訓練されていることが示唆された。トレーニング戦略へのこの小さな変更は、最大10～15dBのパフォーマンスを大幅に向上させることができます。
論文参考訳（メタデータ） (2023-12-06T17:47:16Z)
A novel approach for holographic 3D content generation without depth map [2.905273049932301]
与えられたRGB画像のみを用いてボリュームデジタルホログラムを合成する深層学習方式を提案する。実験により,提案モデルにより生成された体積ホログラムは,競合モデルよりも精度が高いことを示した。
論文参考訳（メタデータ） (2023-09-26T14:37:31Z)
Boosting RGB-D Saliency Detection by Leveraging Unlabeled RGB Images [89.81919625224103]
RGB-D Salient Object Detection (SOD) のための深層モデルの訓練は、しばしば多数のラベル付きRGB-D画像を必要とする。本稿では、ラベルのないRGB画像を活用するために、Dual-Semi RGB-D Salient Object Detection Network (DS-Net)を提案する。
論文参考訳（メタデータ） (2022-01-01T03:02:27Z)
RGB-D Image Inpainting Using Generative Adversarial Network with a Late Fusion Approach [14.06830052027649]
Diminished Realityは、ビデオ画像からオブジェクトを取り除き、行方不明の領域を可視画素で埋めることを目的とした技術だ。生成逆数ネットワークを用いたRGB-D画像の描画手法を提案する。
論文参考訳（メタデータ） (2021-10-14T14:44:01Z)
Learning RAW-to-sRGB Mappings with Inaccurately Aligned Supervision [76.41657124981549]
本稿では,画像アライメントとRAW-to-sRGBマッピングのための共同学習モデルを提案する。実験の結果,本手法はZRRおよびSR-RAWデータセットの最先端に対して良好に動作することがわかった。
論文参考訳（メタデータ） (2021-08-18T12:41:36Z)
Synergistic saliency and depth prediction for RGB-D saliency detection [76.27406945671379]
既存のRGB-Dサリエンシデータセットは小さく、多様なシナリオに対して過度に適合し、限定的な一般化につながる可能性がある。そこで本研究では,RGB-Dサリエンシ検出のための半教師付きシステムを提案する。
論文参考訳（メタデータ） (2020-07-03T14:24:41Z)
Learning to Structure an Image with Few Colors [59.34619548026885]
そこで,カラー量子化ネットワークであるColorCNNを提案する。 1ビットのカラースペース(すなわち2色)だけで、提案されたネットワークはCIFAR10データセット上で82.1%のトップ-1の精度を達成した。アプリケーションの場合、PNGでエンコードされた場合、提案したカラー量子化は、極低ビットレート方式の他の画像圧縮方法よりも優れていることを示す。
論文参考訳（メタデータ） (2020-03-17T17:56:15Z)

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。