論文の概要: Color Transfer with Modulated Flows
- arxiv url: http://arxiv.org/abs/2503.19062v1
- Date: Mon, 24 Mar 2025 18:39:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-26 16:55:46.242547
- Title: Color Transfer with Modulated Flows
- Title(参考訳): 変調流れによる色移動
- Authors: Maria Larchenko, Alexander Lobashev, Dmitry Guskov, Vladimir Vladimirovich Palyulin,
- Abstract要約: 修正フローは、補正フローに基づく画像間の色移動のための新しいアプローチである。
提案手法は最適輸送に基づいており,RGB色空間内の可逆変換として色伝達を実行する。
提案手法は、4K画像の処理が可能で、コンテンツとスタイルの類似性の観点から最先端のパフォーマンスを実現する。
- 参考スコア(独自算出の注目度): 41.94295877935867
- License:
- Abstract: In this work, we introduce Modulated Flows (ModFlows), a novel approach for color transfer between images based on rectified flows. The primary goal of the color transfer is to adjust the colors of a target image to match the color distribution of a reference image. Our technique is based on optimal transport and executes color transfer as an invertible transformation within the RGB color space. The ModFlows utilizes the bijective property of flows, enabling us to introduce a common intermediate color distribution and build a dataset of rectified flows. We train an encoder on this dataset to predict the weights of a rectified model for new images. After training on a set of optimal transport plans, our approach can generate plans for new pairs of distributions without additional fine-tuning. We additionally show that the trained encoder provides an image embedding, associated only with its color style. The presented method is capable of processing 4K images and achieves the state-of-the-art performance in terms of content and style similarity. Our source code is available at https://github.com/maria-larchenko/modflows
- Abstract(参考訳): 本研究では,修正フローに基づく画像間の色移動のための新しいアプローチであるModulated Flows(ModFlows)を紹介する。
色移動の主な目的は、対象画像の色を基準画像の色分布に合わせるように調整することである。
提案手法は最適輸送に基づいており,RGB色空間内の可逆変換として色伝達を実行する。
ModFlowsは、フローの単射特性を利用して、共通の中間色分布を導入し、修正されたフローのデータセットを構築することができる。
このデータセット上にエンコーダをトレーニングし、新しい画像の修正モデルの重みを予測する。
最適な輸送計画のセットを訓練した後、我々は、追加の微調整をすることなく、新しい配電系統の計画を作成することができる。
さらに、トレーニングされたエンコーダが、そのカラースタイルにのみ関連付けられた画像埋め込みを提供することを示す。
提案手法は、4K画像の処理が可能で、コンテンツとスタイルの類似性の観点から最先端のパフォーマンスを実現する。
ソースコードはhttps://github.com/maria-larchenko/modflowsで公開しています。
関連論文リスト
- ColorFlow: Retrieval-Augmented Image Sequence Colorization [65.93834649502898]
産業用途における画像シーケンスのカラー化に適した3段階拡散に基づくフレームワークを提案する。
IDごとの微調整や明示的なID埋め込み抽出を必要とする既存の手法とは異なり、我々は新たにRetrieval Augmented Colorization Pipelineを提案する。
パイプラインには、カラーアイデンティティ抽出のためのブランチと、カラー化のためのブランチという、デュアルブランチ設計も備えています。
論文 参考訳(メタデータ) (2024-12-16T14:32:49Z) - Training-free Color-Style Disentanglement for Constrained Text-to-Image Synthesis [16.634138745034733]
そこで本研究では,参照画像から色とスタイル属性のテキスト・ツー・イメージを分離する,最初のトレーニングフリーでテスト時間のみの手法を提案する。
論文 参考訳(メタデータ) (2024-09-04T04:16:58Z) - 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) - 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) - 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) - Learning Diverse Tone Styles for Image Retouching [73.60013618215328]
本稿では,フローベースアーキテクチャの標準化により,多様な画像のリタッチを学習することを提案する。
ジョイントトレーニングパイプラインは、スタイルエンコーダ、条件付きRetouchNet、イメージトーンスタイル正規化フロー(TSFlow)モジュールで構成される。
提案手法は最先端の手法に対して良好に動作し,多様な結果を生成するのに有効である。
論文 参考訳(メタデータ) (2022-07-12T09:49:21Z) - Immiscible Color Flows in Optimal Transport Networks for Image
Classification [68.8204255655161]
画像の色分布を利用するために最適な輸送原理を適用する物理に着想を得たシステムを提案する。
私たちのダイナミクスは、画像から構築されたネットワーク上を走行する色を不可視的に制御します。
本手法は,カラー情報が重要となるデータセットにおける画像分類タスクにおいて,競合するアルゴリズムよりも優れる。
論文 参考訳(メタデータ) (2022-05-04T12:41:36Z) - Patch based Colour Transfer using SIFT Flow [2.8790548120668573]
そこで本研究では,対象画像の色に合わせるために,ソース画像の色を変換する最適なトランスポート(OT)を用いた新しい色変換法を提案する。
実験では, 従来の色転写法に比べて定量的, 定量的な改善が見られた。
論文 参考訳(メタデータ) (2020-05-18T18:22:36Z)
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。