論文の概要: GCC: Generative Color Constancy via Diffusing a Color Checker
- arxiv url: http://arxiv.org/abs/2502.17435v2
- Date: Tue, 25 Mar 2025 16:17:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-26 21:56:47.21613
- Title: GCC: Generative Color Constancy via Diffusing a Color Checker
- Title(参考訳): GCC:カラーチェッカーを使わずに生成するカラーコンステンシー
- Authors: Chen-Wei Chang, Cheng-De Fan, Chia-Che Chang, Yi-Chen Lo, Yu-Chee Tseng, Jiun-Long Huang, Yu-Lun Liu,
- Abstract要約: 本稿では,カラーチェッカーをカラーチェッカーに塗布した拡散モデルを用いて照明推定を行うGCCを提案する。
主なイノベーションは,(1)シーン照明を反映したカラーチェッカーを描画する単一ステップ決定論的推論手法,(2)照明に依存したカラー適応を許容しつつ構造を保存するラプラシアン分解手法,(3)カラーチェッカーアノテーションを扱うためのマスクベースのデータ拡張戦略である。
- 参考スコア(独自算出の注目度): 10.283908511005176
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Color constancy methods often struggle to generalize across different camera sensors due to varying spectral sensitivities. We present GCC, which leverages diffusion models to inpaint color checkers into images for illumination estimation. Our key innovations include (1) a single-step deterministic inference approach that inpaints color checkers reflecting scene illumination, (2) a Laplacian decomposition technique that preserves checker structure while allowing illumination-dependent color adaptation, and (3) a mask-based data augmentation strategy for handling imprecise color checker annotations. By harnessing rich priors from pre-trained diffusion models, GCC demonstrates strong robustness in challenging cross-camera scenarios. These results highlight our method's effective generalization capability across different camera characteristics without requiring sensor-specific training, making it a versatile and practical solution for real-world applications.
- Abstract(参考訳): カラーコンステンシー法は、様々なスペクトル感度のために、様々なカメラセンサーをまたいだ一般化に苦慮することが多い。
本稿では,カラーチェッカーをカラーチェッカーに塗布した拡散モデルを用いて照明推定を行うGCCを提案する。
主なイノベーションは,(1)シーン照明を反映したカラーチェッカーを塗布する単段階決定論的推論アプローチ,(2)照明に依存したカラー適応を許容しながらチェッカー構造を保存するラプラシアン分解手法,(3)不正確なカラーチェッカーアノテーションを扱うためのマスクベースのデータ拡張戦略である。
事前訓練された拡散モデルから豊富な事前情報を活用することで、GCCはカメラ横断シナリオに挑戦する上で強い堅牢性を示す。
これらの結果は,センサ固有の訓練を必要とせず,様々なカメラ特性にまたがる効果的な一般化能力を強調し,実世界の応用に汎用的で実用的なソリューションであることを示す。
関連論文リスト
- CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [75.25966323298003]
スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。
スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。
我々は、$textbfC$amera-$textbfA$gnostic $textbfR$esupervised $textbfL$のモデルである$textbfCARL$を紹介した。
論文 参考訳(メタデータ) (2025-04-27T13:06:40Z) - Leveraging Semantic Attribute Binding for Free-Lunch Color Control in Diffusion Models [53.73253164099701]
拡散モデルにおいて、微調整なしで正確なRGBレベルの色制御を実現する、トレーニング不要なアプローチであるColorWaveを導入する。
我々は、カラーウェーブが、構造化された、色一貫性の拡散に基づく画像合成のための新しいパラダイムを確立することを実証した。
論文 参考訳(メタデータ) (2025-03-12T21:49:52Z) - 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) - Diving into Darkness: A Dual-Modulated Framework for High-Fidelity
Super-Resolution in Ultra-Dark Environments [51.58771256128329]
本稿では,低照度超解像課題の性質を深く理解しようとする,特殊二変調学習フレームワークを提案する。
Illuminance-Semantic Dual Modulation (ISDM) コンポーネントを開発した。
包括的実験は、我々のアプローチが多様で挑戦的な超低照度条件に適用可能であることを示す。
論文 参考訳(メタデータ) (2023-09-11T06:55:32Z) - MIMT: Multi-Illuminant Color Constancy via Multi-Task Local Surface and
Light Color Learning [42.72878256074646]
単一入力画像における複数の光色を割引するマルチタスク学習手法を提案する。
複数の光色条件下で局所的な表面/光色をより正確に表現するために,我々は新しいマルチタスク学習フレームワークを設計する。
本モデルでは,マルチイルミナントデータセット上で,最先端のマルチイルミナントカラーコンステンシー法と比較して47.1%の改善を実現している。
論文 参考訳(メタデータ) (2022-11-16T09:00:20Z) - Cross-Camera Deep Colorization [10.254243409261898]
本稿では,カラープラスモノデュアルカメラシステムからの画像の整列と融合を行う,エンドツーエンドの畳み込みニューラルネットワークを提案する。
提案手法は,約10dBPSNRゲインの大幅な改善を継続的に達成する。
論文 参考訳(メタデータ) (2022-08-26T11:02:14Z) - 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) - Learning Enriched Illuminants for Cross and Single Sensor Color
Constancy [182.4997117953705]
ネットワークをトレーニングするためのクロスセンサ自己教師型トレーニングを提案する。
センサに依存しない方法で人工発光体をランダムにサンプリングすることでネットワークを訓練する。
実験により、我々のクロスセンサモデルとシングルセンサーモデルは、他の最先端手法よりも大きなマージンで優れていることが示された。
論文 参考訳(メタデータ) (2022-03-21T15:45:35Z) - Colour alignment for relative colour constancy via non-standard
references [11.92389176996629]
相対色濃度は、多くの科学的イメージング応用に必須の要件である。
カメラ画像形成をブラックボックスとみなすカラーアライメントモデルを提案する。
カラーアライメントは、カメラ応答校正、応答線形化、色マッチングという3段階のプロセスとして定式化される。
論文 参考訳(メタデータ) (2021-12-30T15:58:55Z) - 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) - Semi-Supervised Raw-to-Raw Mapping [19.783856963405754]
カメラセンサーの生RGB色は、異なるセンサーのメーカーやモデル間のスペクトル感度の違いによって異なる。
本稿では,各カメラ装置が捉えた画像とペア画像の小さなセットで訓練した半教師付き生-生-生のマッピング手法を提案する。
論文 参考訳(メタデータ) (2021-06-25T21:01:45Z) - CoRe: Color Regression for Multicolor Fashion Garments [80.57724826629176]
本稿では,RGBの正確な値を予測するために,色検出を回帰問題として扱う。
新たに提案したアーキテクチャの洗練のための第2のレグレッションステージも含んでいます。
このアーキテクチャはモジュラーであり、多色衣料のすべての色のRGBを検出するために容易に拡張される。
論文 参考訳(メタデータ) (2020-10-06T16:12:30Z) - Probabilistic Color Constancy [88.85103410035929]
我々は、異なる画像領域の寄与を重み付けすることで、シーンの照度を推定するためのフレームワークを定義する。
提案手法は,INTEL-TAUデータセット上での最先端技術と比較して,競合性能を実現する。
論文 参考訳(メタデータ) (2020-05-06T11:03:05Z) - A Multi-Hypothesis Approach to Color Constancy [22.35581217222978]
現在のアプローチは、カメラ固有の照度マッピングを学習する際の色濃度の問題である。
本稿では,マルチハイプセシス戦略を用いて,自然に色相のあいまいさを処理できるベイズ的枠組みを提案する。
提案手法は,リアルタイムな実行を維持しつつ,複数の公開データセットに対して最先端の精度を提供する。
論文 参考訳(メタデータ) (2020-02-28T18:05:16Z)
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。