論文の概要: Color Matching Using Hypernetwork-Based Kolmogorov-Arnold Networks
- arxiv url: http://arxiv.org/abs/2503.11781v1
- Date: Fri, 14 Mar 2025 18:17:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-18 12:31:48.083276
- Title: Color Matching Using Hypernetwork-Based Kolmogorov-Arnold Networks
- Title（参考訳）: ハイパーネットワークに基づくコルモゴロフ・アルノルドネットワークを用いたカラーマッチング
- Authors: Artem Nikonorov, Georgy Perevozchikov, Andrei Korepanov, Nancy Mehta, Mahmoud Afifi, Egor Ershov, Radu Timofte,
- Abstract要約: cmKANはカラーマッチングのための多用途フレームワークである。
我々は、KAN(Kolmogorov-Arnold Networks)を用いて、ソースとターゲットの分布間の色マッチングをモデル化する。
2つの異なるカメラで撮影されたペア画像の大規模なデータセットを初めて紹介する。
- 参考スコア（独自算出の注目度）: 44.97307414849601
- License:
- Abstract: We present cmKAN, a versatile framework for color matching. Given an input image with colors from a source color distribution, our method effectively and accurately maps these colors to match a target color distribution in both supervised and unsupervised settings. Our framework leverages the spline capabilities of Kolmogorov-Arnold Networks (KANs) to model the color matching between source and target distributions. Specifically, we developed a hypernetwork that generates spatially varying weight maps to control the nonlinear splines of a KAN, enabling accurate color matching. As part of this work, we introduce a first large-scale dataset of paired images captured by two distinct cameras and evaluate the efficacy of our and existing methods in matching colors. We evaluated our approach across various color-matching tasks, including: (1) raw-to-raw mapping, where the source color distribution is in one camera's raw color space and the target in another camera's raw space; (2) raw-to-sRGB mapping, where the source color distribution is in a camera's raw space and the target is in the display sRGB space, emulating the color rendering of a camera ISP; and (3) sRGB-to-sRGB mapping, where the goal is to transfer colors from a source sRGB space (e.g., produced by a source camera ISP) to a target sRGB space (e.g., from a different camera ISP). The results show that our method outperforms existing approaches by 37.3% on average for supervised and unsupervised cases while remaining lightweight compared to other methods. The codes, dataset, and pre-trained models are available at: https://github.com/gosha20777/cmKAN
- Abstract（参考訳）: 色マッチングのための多彩なフレームワークであるcmKANを提案する。
ソース色分布から色を入力した画像が与えられた場合、これらの色を教師なしと教師なしの両方の設定で対象色分布と一致するように効果的に高精度にマッピングする。
我々のフレームワークはKAN(Kolmogorov-Arnold Networks)のスプライン機能を活用し、ソースとターゲットの分布間の色マッチングをモデル化する。
具体的には、空間的に異なる重みマップを生成して、カンの非線形スプラインを制御し、正確な色マッチングを可能にするハイパーネットワークを開発した。
本研究の一環として,2つの異なるカメラで撮影されたペア画像の最初の大規模データセットを導入し,色にマッチする手法の有効性を評価した。
我々は,(1) 原色分布がカメラの生色空間内にあり,(2) 原色分布がカメラの生色空間内にある,(2) 原色分布がカメラの生色空間内にある,(2) 原色分布がカメラの生色空間内にある,(2) 原色分布がカメラのISPの色レンダリングをエミュレートする、(3) sRGB-sRGBマッピングはソースのsRGB空間からターゲットのsRGB空間(例えば,カメラISPが生成する)へ色を転送する,といった,様々な色マッチングタスクに対するアプローチを評価した。
その結果,本手法は従来手法よりも37.3%向上し,他の手法に比べて軽量でありながら教師なし,教師なしの症例では37.3%向上した。
コード、データセット、および事前訓練済みのモデルは、https://github.com/gosha20777/cmKANで利用可能である。
関連論文リスト
- 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) - Enhancing RAW-to-sRGB with Decoupled Style Structure in Fourier Domain [27.1716081216131]
現在の方法では、携帯電話のRAW画像とDSLRカメラのRGB画像の違いを無視する。
本稿では、新しいNeural ISPフレームワーク、FourierISPを紹介する。
このアプローチは、画像を周波数領域内のスタイルと構造に分解し、独立した最適化を可能にする。
論文 参考訳（メタデータ） (2024-01-04T09:18:31Z) - SPDGAN: A Generative Adversarial Network based on SPD Manifold Learning for Automatic Image Colorization [1.1174586184779576]
生成逆ネットワーク(SPDGAN)を用いたSymmetric Positive Definite (SPD) Manifold Learningに基づく完全自動カラー化手法を提案する。
本モデルは,2つの識別器とジェネレータの対角ゲームを確立する。その目標は,残差接続により層間の色情報を失うことなく,偽のカラー化画像を生成することである。
論文 参考訳（メタデータ） (2023-12-21T00:52:01Z) - 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) - DARC: Distribution-Aware Re-Coloring Model for Generalizable Nucleus
Segmentation [68.43628183890007]
ドメインギャップは、異なるフォアグラウンド(核)-バックグラウンド比によっても引き起こされる可能性があると我々は主張する。
まず、異なる領域間の劇的な画像色変化を緩和する再カラー化手法を提案する。
次に,前景-背景比の変動に頑健な新しいインスタンス正規化手法を提案する。
論文 参考訳（メタデータ） (2023-09-01T01:01:13Z) - 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) - Transform your Smartphone into a DSLR Camera: Learning the ISP in the
Wild [159.71025525493354]
本稿では,スマートフォンが取得したRAW画像に基づいて,DSLRの品質画像を生成する訓練可能な画像信号処理フレームワークを提案する。
トレーニング画像ペア間の色ずれに対処するために、カラー条件ISPネットワークを使用し、各入力RAWと基準DSLR画像間の新しいパラメトリック色マッピングを最適化する。
論文 参考訳（メタデータ） (2022-03-20T20:13:59Z) - 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) - The Utility of Decorrelating Colour Spaces in Vector Quantised
Variational Autoencoders [1.7792264784100689]
ネットワーク学習構造表現を強制するカラー空間変換を提案する。
入力が1つの色空間のイメージであり、出力が別の色空間のイメージであるVQ-VAEのいくつかの例を訓練した。
論文 参考訳（メタデータ） (2020-09-30T07:44:01Z) - 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。
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。