Fugu-MT 論文翻訳(概要): Understanding colors of Dufaycolor: Can we recover them using historical colorimetric and spectral data?

論文の概要: Understanding colors of Dufaycolor: Can we recover them using historical colorimetric and spectral data?

arxiv url: http://arxiv.org/abs/2501.06216v1
Date: Sun, 05 Jan 2025 13:38:47 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-19 08:09:28.009408
Title: Understanding colors of Dufaycolor: Can we recover them using historical colorimetric and spectral data?
Title（参考訳）: Dufaycolorの色を理解する: 歴史的測色とスペクトルデータを使ってそれらを復元できるか?
Authors: Jan Hubička, Linda Kimrová, Melichar Konečný,
Abstract要約: 本稿では,原色を再現するオープンソースツールの開発と開発について述べる。カラーカラーフィルタ(r'eseau)の製造に使用される染料の歴史的測定値の組み入れについて検討した。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: Dufaycolor, an additive color photography process produced from 1935 to the late 1950s, represents one of the most advanced iterations of this technique. This paper presents ongoing research and development of an open-source Color-Screen tool designed to reconstruct the original colors of additive color photographs. We discuss the incorporation of historical measurements of dyes used in the production of the color-screen filter (r\'eseau) to achieve accurate color recovery.
Abstract（参考訳）: デュファイカラー(Dufaycolor)は、1935年から1950年代後半にかけて制作された、この技法の最も先進的な反復の1つである。本報告では, カラー画像の原色を再構成するオープンソースColor-Screenツールの開発と開発について述べる。カラーカラーフィルタ(r\'eseau)の製造に使用される染料の歴史的測定値の組み入れについて検討した。

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)
MultiColor: Image Colorization by Learning from Multiple Color Spaces [4.738828630428634]
MultiColorは、グレースケールイメージを自動的にカラー化する学習ベースの新しいアプローチである。我々は、個々の色空間に専用の着色モジュール群を用いる。これらの予測色チャネルは様々な色空間を表すため、相補的なネットワークは相補性を生かし、優雅で合理的な色付き画像を生成するように設計されている。
論文参考訳（メタデータ） (2024-08-08T02:34:41Z)
Automatic Controllable Colorization via Imagination [55.489416987587305]
本稿では,反復的な編集と修正が可能な自動色付けフレームワークを提案する。グレースケール画像内のコンテンツを理解することにより、トレーニング済みの画像生成モデルを用いて、同じコンテンツを含む複数の画像を生成する。これらの画像は、人間の専門家の過程を模倣して、色付けの参考となる。
論文参考訳（メタデータ） (2024-04-08T16:46:07Z)
DiffColor: Toward High Fidelity Text-Guided Image Colorization with Diffusion Models [12.897939032560537]
そこで我々はDiffColorと呼ばれる新しい手法を提案し、プロンプトテキストに条件付けされた鮮やかな色を復元する。私たちはまず、CLIPベースのコントラスト損失を用いて色付き画像を生成するために、事前訓練されたテキスト・ツー・イメージ・モデルを微調整する。次に、色付き画像とテキストプロンプトを整列した最適化されたテキスト埋め込みと、高品質な画像再構成を可能にする微調整拡散モデルを得る。提案手法は,複数回の反復で鮮やかな多彩な色を生成でき,その構造と背景をそのままに保ちつつ,対象言語指導に適合させる。
論文参考訳（メタデータ） (2023-08-03T09:38:35Z)
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)
Towards Photorealistic Colorization by Imagination [48.82757902812846]
本稿では,人間の想像力を模倣した画像の自動色付け手法を提案する。我々の研究は、最先端の画像カラー化手法よりも、よりカラフルで多彩な結果をもたらす。
論文参考訳（メタデータ） (2021-08-20T14:28:37Z)
Towards Vivid and Diverse Image Colorization with Generative Color Prior [17.087464490162073]
最近のディープラーニングベースの手法は、画像のカラー化を低コストで行うことができる。我々は,事前学習されたGAN(Generative Adversarial Networks)にカプセル化されている,豊かで多様な色を活かして鮮やかな色を復元することを目的としている。先進的なデザインと繊細なデザインの強力な生成色のおかげで、我々の手法は1つの前進パスで鮮やかな色を作り出すことができた。
論文参考訳（メタデータ） (2021-08-19T17:49:21Z)
Color-Coded Symbology and New Computer Vision Tool to Predict the Historical Color Pallets of the Renaissance Oil Artworks [2.918940961856197]
我々は,ルネサンス油彩画においてアーティストが使用した色彩の独自性を予測・分析し,色パレットの可能性について論じる。このフレームワークの目的は、カラーシンボルと画像強調ツールを使用して、ルネサンス油彩画の歴史的カラーパレットを予測することである。
論文参考訳（メタデータ） (2021-02-27T15:16:35Z)
Image Colorization: A Survey and Dataset [94.59768013860668]
本稿では,最先端の深層学習に基づく画像着色技術に関する包括的調査を行う。既存の着色技法を7つのクラスに分類し、その性能を規定する重要な要因について論じる。我々は既存のデータセットと提案した画像の両方を用いて、既存の画像のカラー化手法を広範囲に実験的に評価する。
論文参考訳（メタデータ） (2020-08-25T01:22:52Z)
Semantic-driven Colorization [78.88814849391352]
最近の着色は、白黒画像の着色を学習しながら意味情報を暗黙的に予測する。そこで本研究では,まず,人間の動作をシミュレートして,画像の理解を学習し,色づけする。
論文参考訳（メタデータ） (2020-06-13T08:13:30Z)

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。