論文の概要: Toward a Universal Color Naming System: A Clustering-Based Approach using Multisource Data

• arxiv url: http://arxiv.org/abs/2604.03235v1
• Date: Fri, 30 Jan 2026 21:25:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.341594
• Title: Toward a Universal Color Naming System: A Clustering-Based Approach using Multisource Data
• Title（参考訳）: ユニバーサルカラーナーミングシステムに向けて:マルチソースデータを用いたクラスタリングに基づくアプローチ
• Authors: Aruzhan Sabitkyzy, Maksat Shagyrov, Pakizar Shamoi,
• Abstract要約: 広く受け入れられているカラー命名基準の欠如は、プラットフォーム、アプリケーション、産業間での一貫性のないカラー標準に繋がる。 本稿では,クラスタリングに基づくマルチソースデータフレームワークを提案する。 このアプローチは、生成AI、ビジュアルサーチ、デザインシステムといった実践的な応用において、標準化され、知覚的に根拠づけられたカラーラベリングのための新たな機会を開く。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Is it coral, salmon, or peach? What seems like a simple color can have many names, and without a standard, these variations create confusion across design, technology, and communication. Color naming is a fundamental task across industries such as fashion, cosmetics, web design, and visualization tools. However, the lack of universally accepted color naming standards leads to inconsistent color standards across platforms, applications, and industries. Moreover, these systems include hundreds or thousands of overlapping, perceptually indistinct shades, despite the fact that humans typically distinguish only a limited number of unique color categories in practice. In this study, we propose a clustering-based multisource data framework to build a standardized color-naming system. We collected a dataset of over 19,555 RGB values paired with color names from 20 diverse sources. After data cleaning and normalization, we converted the colors to the perceptually uniform CIELAB color space and applied K-means clustering using the CIEDE2000 color difference metric, identifying 280 optimal clusters. For each cluster, we performed a frequency analysis of the associated names to assign representative labels. The resulting system reflects naturally occurring linguistic patterns. We demonstrate its effectiveness in automatic annotation and content-based image retrieval on a clothing dataset. This approach opens new opportunities for standardized, perceptually grounded color labeling in practical applications such as generative AI, visual search, and design systems.
• Abstract（参考訳）: サンゴ、サケ、または桃ですか。 単純な色が多くの名前を持つように思えるが、標準がなければ、これらのバリエーションはデザイン、技術、コミュニケーションを混乱させる。 カラー命名は、ファッション、化粧品、ウェブデザイン、可視化ツールといった業界における基本的な課題である。 しかし、広く受け入れられているカラー命名基準の欠如は、プラットフォーム、アプリケーション、産業間での一貫性のないカラー標準に繋がる。 さらに、これらのシステムには数百から数千の重なり合い、知覚的に不明瞭な色合いが含まれています。 本研究では,クラスタリングに基づくマルチソースデータフレームワークを提案する。 色名と組み合わせた19,555RGB以上のデータセットを20種類のソースから収集した。 データクリーニングと正規化の後、色を知覚的に均一なCIELAB色空間に変換し、CIEDE2000色差計を用いてK平均クラスタリングを行い、280個の最適なクラスタを同定した。 各クラスタに対して、関連する名前の周波数分析を行い、代表ラベルを割り当てた。 結果として生じるシステムは自然発生の言語パターンを反映する。 衣料品データセットにおける自動アノテーションとコンテンツに基づく画像検索の有効性を実証する。 このアプローチは、生成AI、ビジュアルサーチ、デザインシステムといった実践的な応用において、標準化され、知覚的に根拠づけられたカラーラベリングのための新しい機会を開く。

関連論文リスト

• Color Names in Vision-Language Models [48.847573209643265]
  視覚言語モデル(VLM)におけるカラー命名機能の最初の体系的評価について述べる。 以上の結果から,VLMは古典的な研究から色に対して高い精度が得られる一方で,拡張された非原型カラーセットでは性能が著しく低下することが示唆された。 我々は、すべてのモデルに一貫して現れる21の共通色項を特定し、2つの異なるアプローチを明らかにした。
  論文  参考訳（メタデータ） (2025-09-26T16:04:18Z)
• 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)
• Color Aesthetics: Fuzzy based User-driven Method for Harmony and Preference Prediction [0.0]
  色に対する知覚応答のすべてのタイプを定量的に評価する手法を提案する。 カラースキームの好みは、基本色と色調和の格付けを組み合わせることで予測できる。 アパレル調整の文脈では、衣服の色に基づいてルックの好みを予測することができる。
  論文  参考訳（メタデータ） (2023-08-29T15:56:38Z)
• Name Your Colour For the Task: Artificially Discover Colour Naming via Colour Quantisation Transformer [62.75343115345667]
  そこで本研究では,色空間を定量化しつつ,画像上での認識を維持しつつ,色空間を定量化する新しい色量子化変換器CQFormerを提案する。 人工色システムと人間の言語における基本色用語との一貫性のある進化パターンを観察する。 我々のカラー量子化法は、画像記憶を効果的に圧縮する効率的な量子化法も提供する。
  論文  参考訳（メタデータ） (2022-12-07T03:39:18Z)
• ABANICCO: A New Color Space for Multi-Label Pixel Classification and Color Segmentation [1.7205106391379026]
  色理論,ファジィ色空間,および12の標準色カテゴリによる画素の自動分類のための多ラベルシステムの幾何学的解析を組み合わせた新しい手法を提案する。 我々は統計学と色理論に基づいて、色命名のための頑健で教師なし、偏見のない戦略を示す。
  論文  参考訳（メタデータ） (2022-11-15T19:26:51Z)
• Crowd Counting by Self-supervised Transfer Colorization Learning and Global Prior Classification [2.0088802641040604]
  自己教師付きトランスファーカラー化学習とグローバル事前分類を組み合わせた新しいCNNベースのアプローチであるColorCountを提案する。 我々は4つの挑戦的なベンチマークで広範囲に実験を行い、ColorCountは他の教師なしのアプローチと比べてはるかに優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2021-05-20T11:54:05Z)
• 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)

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。