論文の概要: CanonCGT: Reference-Based Color Grading via Canonical Pivot Representation
- arxiv url: http://arxiv.org/abs/2606.01638v1
- Date: Mon, 01 Jun 2026 03:42:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:29.954757
- Title: CanonCGT: Reference-Based Color Grading via Canonical Pivot Representation
- Title（参考訳）: CanonCGT:Canonical Pivot Representationによる参照型カラーグレーディング
- Authors: Jinwon Ko, Keunsoo Ko, Chang-Su Kim,
- Abstract要約: CanonCGTは、安定した色マッピングのためのスタイルニュートラル中間表現である。
二相学習スキームDP-CGTは、教師付きプレセット学習と教師なし写真の自己教師付き精錬を組み合わせたものである。
- 参考スコア（独自算出の注目度）: 16.555135705482485
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reference-based color grading aims to reproduce the tonal mood and lighting of a reference while preserving color harmony and scene structure. Existing photorealistic and filter-based methods often produce unstable tone mappings -- over-shifting or inconsistently retaining colors -- leading to unnatural results. We propose CanonCGT, a two-stage framework built on a canonical pivot -- a style-neutral intermediate representation for stable color mapping. The first stage canonicalizes the input by removing intrinsic tonal bias, and the second color-grades it to match the reference style. A dual-phase training scheme, DP-CGT, combines supervised preset learning with self-supervised refinement on unpaired photographs. CanonCGT delivers photorealistic and tonally consistent results across diverse datasets, surpassing state-of-the-art methods in stability and visual fidelity. Our codes are available at \href{https://github.com/Jinwon-Ko/CanonCGT}{https://github.com/Jinwon-Ko/CanonCGT}
- Abstract（参考訳）: 基準ベースのカラーグレーディングは、色調和とシーン構造を保ちながら、基準の音調と照明を再現することを目的としている。
既存のフォトリアリスティックとフィルターに基づく手法は、しばしば不安定なトーンマッピング(過度にシフトしたり、不整合に色を保っている)を生成し、不自然な結果をもたらす。
そこで我々はCanonCGTを提案する。CanonCGTはカノニカルピボット上に構築された2段階のフレームワークで、安定なカラーマッピングのためのスタイルニュートラル中間表現である。
第1段は内在性音節バイアスを除去して入力を正則化し、第2段は参照スタイルに適合するように色付けする。
二相学習スキームDP-CGTは、教師付きプレセット学習と教師なし写真の自己教師付き精錬を組み合わせたものである。
CanonCGTは、さまざまなデータセットにまたがって、フォトリアリスティックでトーナルに一貫性のある結果を提供し、安定性と視覚的忠実性において最先端の手法を超越している。
我々のコードは \href{https://github.com/Jinwon-Ko/CanonCGT}{https://github.com/Jinwon-Ko/CanonCGT} で入手できる。
関連論文リスト
- Too Vivid to Be Real? Benchmarking and Calibrating Generative Color Fidelity [55.22847424233036]
現実的な世代における色忠実度を客観的に評価するために、色忠実度データセット(CFD)と色忠実度メトリック(CFM)を提案する。
CFDには1,3M以上の実画像と合成画像が含まれており、CFMは知覚色忠実度を学習するためにマルチモーダルエンコーダを使用している。
本研究では,空間的時間的誘導尺度を適応的に調整し,色信頼性を向上させる訓練不要なカラーフィデリティ精細化(CFR)を提案する。
論文 参考訳（メタデータ） (2026-03-11T17:18:12Z) - Free-Lunch Color-Texture Disentanglement for Stylized Image Generation [62.215875006311876]
本稿では,タイマライズされたT2I生成において,フリーランチなカラーテクスチャ・ディコンタングルを実現するための,最初のチューニング自由アプローチを提案する。
Our Style Attributes Disentanglement approach (SADis)は、より正確でカスタマイズ可能な、スタイリングされた画像生成ソリューションを提供する。
WikiArtとStyleDropのデータセットの画像に対する実験は、SADisがDisIGタスクの最先端化方法を上回ることを実証している。
論文 参考訳（メタデータ） (2025-03-18T14:10:43Z) - Color Matching Using Hypernetwork-Based Kolmogorov-Arnold Networks [44.97307414849601]
cmKANはカラーマッチングのための多用途フレームワークである。
我々は、KAN(Kolmogorov-Arnold Networks)を用いて、ソースとターゲットの分布間の色マッチングをモデル化する。
2つの異なるカメラで撮影されたペア画像の大規模なデータセットを初めて紹介する。
論文 参考訳（メタデータ） (2025-03-14T18:17:19Z) - Color Shift Estimation-and-Correction for Image Enhancement [37.52492067462557]
準最適照明条件下で撮影された画像は、オーバー露光とアンダー露光の両方を含む可能性がある。
現在のアプローチは主に画像の明るさの調整に重点を置いており、これは未露光領域における色調歪みを悪化させる可能性がある。
そこで本研究では,これらの色変化を推定・補正する学習によって,過度露光と過度露光の両方で画像を強化する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-05-28T00:45:35Z) - BiSTNet: Semantic Image Prior Guided Bidirectional Temporal Feature
Fusion for Deep Exemplar-based Video Colorization [70.14893481468525]
本稿では,参照例の色を探索し,映像のカラー化を支援するために有効なBiSTNetを提案する。
まず、各フレームと参照例間の深い特徴空間における意味的対応を確立し、参照例からの色情報を探究する。
我々は,フレームのオブジェクト境界をモデル化するための意味情報を抽出する混合専門家ブロックを開発した。
論文 参考訳（メタデータ） (2022-12-05T13:47:15Z) - Colour alignment for relative colour constancy via non-standard
references [11.92389176996629]
相対色濃度は、多くの科学的イメージング応用に必須の要件である。
カメラ画像形成をブラックボックスとみなすカラーアライメントモデルを提案する。
カラーアライメントは、カメラ応答校正、応答線形化、色マッチングという3段階のプロセスとして定式化される。
論文 参考訳（メタデータ） (2021-12-30T15:58:55Z) - SSH: A Self-Supervised Framework for Image Harmonization [97.16345684998788]
我々は、編集せずに「自由」な自然画像だけで訓練できる新しい自己改善調和フレームワーク(SSH)を提案する。
提案したSSHは,基準指標,視覚的品質,主観的ユーザスタディにおいて,従来の最先端手法よりも優れていた。
論文 参考訳（メタデータ） (2021-08-15T19:51:33Z) - Learning to Jointly Deblur, Demosaick and Denoise Raw Images [39.149955856017876]
我々はRGB画像に既存の学習に基づくアプローチを適用し、新しい解釈可能なモジュールを導入して生画像を扱う。
このモデルは、現実的な反転カメラパイプラインに従って、RGBイメージを生画像に変換してトレーニングします。
また,本手法では,実画像からカメラ固有のぼやけを除去し,本質的に鋭い画像のぼやけを解消する。
論文 参考訳（メタデータ） (2021-04-13T19:02:59Z)
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。