論文の概要: Bio-inspired Color Constancy: From Gray Anchoring Theory to Gray Pixel Methods

• arxiv url: http://arxiv.org/abs/2604.20243v1
• Date: Wed, 22 Apr 2026 06:46:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.995047
• Title: Bio-inspired Color Constancy: From Gray Anchoring Theory to Gray Pixel Methods
• Title（参考訳）: バイオインスパイアされた色の一貫性:グレーアンコリング理論からグレーピクセル法へ
• Abstract要約: バイオインスパイアされたモデリングは、カラー一貫性の基礎となる計算原理を解明する有望な方法を提供する。 本稿では,生物学的機構,計算理論,およびバイオインスパイアされた発色性に対するアルゴリズム的実装を統合する。 実験により、色濃度に対するグレーピクセル検出の有効性を確認し、バイオインスパイアされた方法の可能性を示す。
• 参考スコア（独自算出の注目度）: 15.373399786859807
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Color constancy is a fundamental ability of many biological visual systems and a crucial step in computer imaging systems. Bio-inspired modeling offers a promising way to elucidate the computational principles underlying color constancy and to develop efficient computational methods. However, bio-inspired methods for color constancy remain underexplored and lack a comprehensive analysis. This paper presents a comprehensive technical framework that integrates biological mechanisms, computational theory, and algorithmic implementation for bio-inspired color constancy. Specifically, we systematically revisit the computational theory of biological color constancy, which shows that illuminant estimation can be reduced to the task of gray-anchor (pixel or surface) detection in early vision. Subsequently, typical gray-pixel detection methods, including Gray-Pixel and Grayness-Index, are reinterpreted within a unified theoretical framework with the Lambertian reflection model and biological color-opponent mechanisms. Finally, we propose a simple learning-based method that couples reflection-model constraints with feature learning to explore the potential of bio-inspired color constancy based on gray-pixel detection. Extensive experiments confirm the effectiveness of gray-pixel detection for color constancy and demonstrate the potential of bio-inspired methods.
• Abstract（参考訳）: 色一貫性は多くの生物学的視覚系の基本的な能力であり、コンピュータ画像システムにおいて重要なステップである。 バイオインスピレーションド・モデリングは、色一貫性の基礎となる計算原理を解明し、効率的な計算方法を開発するための有望な方法を提供する。 しかし、生体にインスパイアされた着色着色料の方法はまだ未発見であり、包括的分析が欠如している。 本稿では,生物の機構,計算理論,アルゴリズムを組み込んだ包括的技術フレームワークを提案する。 具体的には, 生体色濃度の計算理論を体系的に再検討し, 早期視覚におけるグレーアンカー検出のタスクに照度推定を還元できることを示した。 その後、Gray-Pixel や Grayness-Index などの典型的なグレーピクセル検出法は、ランベルト反射モデルと生物学的色応答機構を備えた統一理論的枠組みの中で再解釈される。 最後に, 反射モデルの制約を特徴学習と組み合わせて, グレーピクセル検出に基づくバイオインスパイアされた色呈示の可能性を探る, 簡単な学習手法を提案する。 広汎な実験により、色濃度に対するグレーピクセル検出の有効性が確認され、バイオインスパイアされた方法の可能性が示された。

関連論文リスト

• SpikeGen: Decoupled "Rods and Cones" Visual Representation Processing with Latent Generative Framework [53.27177454390712]
  本研究では,現代の潜在空間生成フレームワークとマルチモーダル視覚入力を統合することで,人間の視覚システムをエミュレートすることを目的とする。 我々はSpikeGenと命名し、条件付き画像やビデオの劣化、スパイクストリームからの高密度フレーム再構成、高速シーンノベルビュー合成など、様々なスパイクRGBタスクのパフォーマンスを評価する。
  論文  参考訳（メタデータ） (2025-05-23T15:54:11Z)
• Novel computational workflows for natural and biomedical image processing based on hypercomplex algebras [49.81327385913137]
  ハイパーコンプレックス画像処理は、代数的および幾何学的原理を含む統一パラダイムで従来の手法を拡張している。 このワークル平均は、自然・生体画像解析のための四元数と2次元平面(四元数 - ピクセルを表す - を2次元平面に分割する)を分割する。 提案手法は、画像の自動処理パイプラインの一部として、カラー外観(例えば、代替リフレクションやグレースケール変換)と画像コントラストを規制することができる。
  論文  参考訳（メタデータ） (2025-02-11T18:38:02Z)
• A Value Mapping Virtual Staining Framework for Large-scale Histological Imaging [36.95712533471744]
  各種条件に適応可能な汎用仮想染色フレームワークを提案する。 そこで本研究では,異なる病態間の仮想色付けの精度を確保するために,値マッピング制約に基づく損失関数を提案する。
  論文  参考訳（メタデータ） (2025-01-07T07:45:21Z)
• Tokensome: Towards a Genetic Vision-Language GPT for Explainable and Cognitive Karyotyping [7.101960527853822]
  Tokensomeは、染色体トークン化に基づく新しい視覚言語モデルである。 トケソームは、従来の視覚知覚層から認知的意思決定層へとメソッドを上昇させる。
  論文  参考訳（メタデータ） (2024-03-17T03:38:50Z)
• Color Recognition in Challenging Lighting Environments: CNN Approach [0.0]
  研究者は、コンピュータビジョンの応用のための色検出技術を強化するために取り組んでいる。 この問題に対処するために,畳み込みニューラルネットワーク(CNN)に基づく色検出手法を提案する。 本手法は照明条件の異なる色検出の堅牢性を大幅に向上させることができることを実験的に検証した。
  論文  参考訳（メタデータ） (2024-02-07T11:26:00Z)
• Neural Echos: Depthwise Convolutional Filters Replicate Biological Receptive Fields [56.69755544814834]
  哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。 生体受容の分野からインスピレーションを得る手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T18:06:22Z)
• Digital staining in optical microscopy using deep learning -- a review [47.86254766044832]
  デジタル染色は、光学的コントラストから実際の染色の確立された生化学的コントラストへの翻訳に近代的な深層学習を利用するための有望な概念として登場した。 この分野の現状を詳細に分析し、優れた実践方法を提案し、落とし穴と課題を特定し、将来の実装やアプリケーションに向けた将来的な進歩を仮定する。
  論文  参考訳（メタデータ） (2023-03-14T15:23:48Z)
• 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)
• Deep Learning-enabled Virtual Histological Staining of Biological Samples [2.446672595462589]
  組織染色は臨床病理学および生命科学研究における組織検査における金の標準である。 現在の組織学的染色のワークフローには、退屈なサンプル準備ステップ、特別な実験施設、および訓練された組織学者が必要である。 深層学習技術は、組織染色をデジタル的に生成することで染色法に革命をもたらす新たな機会を生み出した。
  論文  参考訳（メタデータ） (2022-11-13T05:31:47Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)

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。