論文の概要: Perception-Inspired Color Space Design for Photo White Balance Editing

• arxiv url: http://arxiv.org/abs/2512.09383v2
• Date: Thu, 11 Dec 2025 12:40:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-12 14:11:15.285776
• Title: Perception-Inspired Color Space Design for Photo White Balance Editing
• Title（参考訳）: 写真ホワイトバランス編集のための知覚にインスパイアされたカラー空間設計
• Authors: Yang Cheng, Ziteng Cui, Shenghan Su, Lin Gu, Zenghui Zhang,
• Abstract要約: ホワイトバランス(WB)は、画像信号プロセッサ(ISP)パイプラインにおける重要なステップである。 本稿では,知覚にインスパイアされたLearable HSI(LHSI)色空間を利用するWB補正のための新しいフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 20.114221919949603
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: White balance (WB) is a key step in the image signal processor (ISP) pipeline that mitigates color casts caused by varying illumination and restores the scene's true colors. Currently, sRGB-based WB editing for post-ISP WB correction is widely used to address color constancy failures in the ISP pipeline when the original camera RAW is unavailable. However, additive color models (e.g., sRGB) are inherently limited by fixed nonlinear transformations and entangled color channels, which often impede their generalization to complex lighting conditions. To address these challenges, we propose a novel framework for WB correction that leverages a perception-inspired Learnable HSI (LHSI) color space. Built upon a cylindrical color model that naturally separates luminance from chromatic components, our framework further introduces dedicated parameters to enhance this disentanglement and learnable mapping to adaptively refine the flexibility. Moreover, a new Mamba-based network is introduced, which is tailored to the characteristics of the proposed LHSI color space. Experimental results on benchmark datasets demonstrate the superiority of our method, highlighting the potential of perception-inspired color space design in computational photography. The source code is available at https://github.com/YangCheng58/WB_Color_Space.
• Abstract（参考訳）: ホワイトバランス(WB)は、画像信号プロセッサ(ISP)パイプラインにおける重要なステップであり、照明の変化によるカラーキャストを緩和し、シーンの真の色を復元する。 現在、ISP後WB修正のためのsRGBベースのWB編集は、元のカメラRAWが利用できない場合、ISPパイプラインの色の不安定性に対処するために広く使われている。 しかし、加法的色モデル(例えばsRGB)は、固定された非線形変換と絡み合った色チャネルによって本質的に制限されており、複雑な照明条件への一般化を妨げていることが多い。 これらの課題に対処するために、認識にインスパイアされたLearable HSI(LHSI)色空間を活用するWB補正のための新しいフレームワークを提案する。 色成分から自然に輝度を分離する円筒型カラーモデルに基づいて,この歪みを増大させる専用パラメータと学習可能なマッピングを導入し,フレキシビリティを適応的に改善する。 さらに,提案したLHSI色空間の特徴に合わせて,新しいマンバ系ネットワークを導入する。 ベンチマークによる実験結果から,この手法の優位性を示し,計算写真における知覚に触発された色空間設計の可能性を明らかにした。 ソースコードはhttps://github.com/YangCheng58/WB_Color_Spaceで公開されている。

関連論文リスト

• HVI-CIDNet+: Beyond Extreme Darkness for Low-Light Image Enhancement [56.02740727422916]
  低光画像強調(LLIE)は、劣化した低光画像から鮮明なコンテンツと詳細を復元することを目的としている。 既存の標準RGB(sRGB)カラースペースベースのLLIE法は、しばしば色バイアスと明るさのアーチファクトを生成する。 HV色マップと学習可能な強度によって定義されるLLIEの新しい色空間を提案する。 HVI-CIDNet+はHVI色空間上に構築されており、損傷したコンテンツを復元し、極暗い領域における色歪みを軽減する。
  論文  参考訳（メタデータ） (2025-07-09T13:03:34Z)
• Learning Physics-Informed Color-Aware Transforms for Low-Light Image Enhancement [5.8550460201927725]
  本稿では,分解された物理情報に基づく低照度画像強調手法を提案する。 sRGB色空間における低照度画像と通常照度画像を直接マッピングする既存の方法は、一貫性のない色予測に悩まされている。 提案するPiCatフレームワークは,5つのベンチマークデータセットを対象とした最先端手法と比較して優れた性能を示す。
  論文  参考訳（メタデータ） (2025-04-16T09:23:38Z)
• ISPDiffuser: Learning RAW-to-sRGB Mappings with Texture-Aware Diffusion Models and Histogram-Guided Color Consistency [32.05482995863444]
  RAW-to-sRGBマッピングは、スマートフォンセンサーが捉えた生データから、DSLR品質のsRGB画像を生成することを目的としている。 ISPDiffuserは、RAW-to-sRGBマッピングをグレースケール空間の詳細な再構成に分離する拡散ベースのフレームワークである。 ISPDiffuserは、最先端の競合製品よりも量的にも視覚的にも優れている。
  論文  参考訳（メタデータ） (2025-03-25T02:29:39Z)
• You Only Need One Color Space: An Efficient Network for Low-light Image Enhancement [50.37253008333166]
  低照度画像強調(LLIE)タスクは、劣化した低照度画像から詳細と視覚情報を復元する傾向がある。 水平/垂直インテンシティ(HVI)と呼ばれる新しいトレーニング可能なカラー空間を提案する。 輝度と色をRGBチャネルから切り離して、拡張中の不安定性を緩和するだけでなく、トレーニング可能なパラメータによって異なる照明範囲の低照度画像にも適応する。
  論文  参考訳（メタデータ） (2024-02-08T16:47:43Z)
• Rethinking RGB Color Representation for Image Restoration Models [55.81013540537963]
  各画素に局所的な近傍構造情報を保持するために表現を拡大する。 画素あたりの損失に対する表現空間の置換は、画像復元モデルのトレーニングを容易にする。 私たちの空間は、色と局所構造の両方を再構築することで、全体的なメトリクスを一貫して改善します。
  論文  参考訳（メタデータ） (2024-02-05T06:38:39Z)
• 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)
• Brighten-and-Colorize: A Decoupled Network for Customized Low-Light Image Enhancement [22.097267755811192]
  低照度画像強調(LLIE)は、低照度で撮影された画像の知覚品質を改善することを目的としている。 この領域の最近の進歩は、主に色覚の役割を無視しながら、明るさの洗練に焦点を当てている。 本研究では、上記の問題に対処するために、BCGネットワーク(BCGNet)を提案する。
  論文  参考訳（メタデータ） (2023-08-06T06:04:16Z)
• Seeing Through The Noisy Dark: Toward Real-world Low-Light Image Enhancement and Denoising [125.56062454927755]
  現実の低照度環境は通常、光やハードウェアの限界が不足しているため、視界が低く、騒音が重い。 我々は、RLED-Net(Real-world Low-light Enhancement & Denoising Network)と呼ばれる新しいエンドツーエンド手法を提案する。
  論文  参考訳（メタデータ） (2022-10-02T14:57:23Z)
• Deep White-Balance Editing [50.08927449718674]
  カメラは、その集積信号プロセッサ(ISP)によってレンダリングされるセンサーイメージを、標準のRGB(sRGB)カラースペースエンコーディングにキャプチャする。 近年の[3]による研究では,ISPの非線形レンダリングのため,誤ったホワイトバランスでレンダリングされたsRGB画像を容易に修正できないことが示されている。 我々は,この問題を解決するために,エンドツーエンドでトレーニングしたディープニューラルネットワーク(DNN)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-04-03T03:18:42Z)

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。