論文の概要: A Perceptually Inspired Variational Framework for Color Enhancement

• arxiv url: http://arxiv.org/abs/2511.23329v1
• Date: Fri, 28 Nov 2025 16:32:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.982232
• Title: A Perceptually Inspired Variational Framework for Color Enhancement
• Title（参考訳）: 色強調のための知覚的インスピレーション付き変分フレームワーク
• Authors: Rodrigo Palma-Amestoy, Edoardo Provenzi, Marcelo Bertalmío, Vicent Caselles,
• Abstract要約: 色知覚の基本的な現象から着想を得た色コントラスト強調の変分定式化を提案する。 特に我々は、知覚的にインスピレーションを受けるエネルギーによって満たされる基本的な要件のセットを考案する。 基本的関心を考慮に入れた3つの明示的な関数を抽出し、既存のモデルと類似点と相違点を示す。
• 参考スコア（独自算出の注目度）: 2.4919077201316067
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Basic phenomenology of human color vision has been widely taken as an inspiration to devise explicit color correction algorithms. The behavior of these models in terms of significative image features (such as contrast and dispersion) can be difficult to characterize. To cope with this, we propose to use a variational formulation of color contrast enhancement that is inspired by the basic phenomenology of color perception. In particular, we devise a set of basic requirements to be fulfilled by an energy to be considered as `perceptually inspired', showing that there is an explicit class of functionals satisfying all of them. We single out three explicit functionals that we consider of basic interest, showing similarities and differences with existing models. The minima of such functionals is computed using a gradient descent approach. We also present a general methodology to reduce the computational cost of the algorithms under analysis from ${\cal O}(N^2)$ to ${\cal O}(N\log N)$, being $N$ the number of input pixels.
• Abstract（参考訳）: 人間の色覚の基本現象は、明示的な色補正アルゴリズムを考案するためのインスピレーションとして広く考えられている。 これらのモデルの特徴的特徴(コントラストや分散など)の観点からの挙動を特徴付けることは困難である。 これに対応するために,色知覚の基本的な現象から着想を得た色コントラスト強調の変分定式化を提案する。 特に、エネルギーによって満たされる基本的な要件の集合を「知覚的にインスパイアされた」と見なし、それら全てを満たす関数の明示的なクラスが存在することを示す。 基本的関心を考慮に入れた3つの明示的な関数を抽出し、既存のモデルと類似点と相違点を示す。 そのような関数のミニマは勾配降下法を用いて計算される。 また,解析対象のアルゴリズムの計算コストを${\cal O}(N^2)$から${\cal O}(N\log N)$へ下げる一般的な手法を提案する。

関連論文リスト

• Beyond Softmax: A Natural Parameterization for Categorical Random Variables [61.709831225296305]
  階層的なバイナリ分割のシーケンスで構成される関数である$textitcatnat$関数を紹介します。 実験により,提案した関数は学習効率を向上し,一貫した試験性能を特徴とするモデルが得られることを示した。
  論文  参考訳（メタデータ） (2025-09-29T12:55:50Z)
• 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)
• Unlearning-based Neural Interpretations [51.99182464831169]
  静的関数を用いて定義される現在のベースラインは、バイアスがあり、脆弱であり、操作可能であることを示す。 UNIは、学習不可能で、偏りがなく、適応的なベースラインを計算し、入力を最も急な上昇の未学習方向に向けて摂動させることを提案する。
  論文  参考訳（メタデータ） (2024-10-10T16:02:39Z)
• PF-GNN: Differentiable particle filtering based approximation of universal graph representations [20.544160526945234]
  グラフニューラルネットワーク(GNN)は、グラフ同型に対する1-WL色補正テストによって、表現力に制限があることが知られている。 本研究では,学習過程を厳密な同型解法で導くことによって,GNNを普遍化する手法を提案する。 我々のアルゴリズムはエンドツーエンドで微分可能であり、任意のGNNをバックボーンとして適用することができ、よりリッチなグラフ表現を線形に増加させて学習することができる。
  論文  参考訳（メタデータ） (2024-01-31T11:26:03Z)
• Symbolic Metamodels for Interpreting Black-boxes Using Primitive Functions [15.727276506140878]
  ブラックボックス機械学習モデルを解釈する1つのアプローチは、単純な解釈可能な関数を使ってモデルのグローバルな近似を見つけることである。 本研究では,解釈可能なメタモデルを見つけるための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-02-09T17:30:43Z)
• Gradual Weisfeiler-Leman: Slow and Steady Wins the Race [4.416484585765029]
  Weisfeiler-Lemanアルゴリズムは、グラフ学習には基本的であり、グラフカーネルやグラフニューラルネットワークの成功には中心となる。 本研究では, 着色速度を緩やかに収束させることができる, 漸進的な地区改良のための枠組みを提案する。 提案手法は,既存のグラフカーネルの新しい変種を導出し,最適割り当てによるグラフ編集距離を近似するために用いられる。
  論文  参考訳（メタデータ） (2022-09-19T14:37:35Z)
• Neural Color Operators for Sequential Image Retouching [62.99812889713773]
  本稿では,新たに導入したトレーニング可能なニューラルカラー演算子のシーケンスとして,リタッチ処理をモデル化して,新しい画像リタッチ手法を提案する。 ニューラルカラー演算子は、従来のカラー演算子の振舞いを模倣し、その強度をスカラーで制御しながらピクセルワイズな色変換を学習する。 定量的な測定と視覚的品質の両面で,SOTA法と比較して常に最良の結果が得られている。
  論文  参考訳（メタデータ） (2022-07-17T05:33:19Z)
• Learning outside the Black-Box: The pursuit of interpretable models [78.32475359554395]
  本稿では,任意の連続ブラックボックス関数の連続的大域的解釈を生成するアルゴリズムを提案する。 我々の解釈は、その芸術の以前の状態から飛躍的な進歩を表している。
  論文  参考訳（メタデータ） (2020-11-17T12:39:44Z)
• Input Bias in Rectified Gradients and Modified Saliency Maps [0.0]
  唾液マップは、分類や潜伏概念にかなりの影響を及ぼす入力特徴を特定する直感的な方法を提供する。 Rectified Gradients(英語版)のような従来の唾液マップへのいくつかの変更は、解釈可能性を高めるために導入されている。 入力画像の暗黒領域は、クラスや概念に関係があっても、Rectified Gradients を用いた塩分マップでは強調されないことを示す。
  論文  参考訳（メタデータ） (2020-11-10T09:45:13Z)

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。