論文の概要: Oklch+: A Three-Parameter Extension of Oklab for Improved Color Difference Prediction
- arxiv url: http://arxiv.org/abs/2606.05255v1
- Date: Wed, 03 Jun 2026 15:43:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-05 22:39:44.287374
- Title: Oklch+: A Three-Parameter Extension of Oklab for Improved Color Difference Prediction
- Title（参考訳）: Oklch+:Oklabの3パラメータ拡張による色差予測の改善
- Authors: Naoyuki Uchida,
- Abstract要約: Oklch+ は Oklab の3パラメータ拡張であり、ユークリッド距離は変換された Oklab 座標で計算される。
COMBVD -- 3,813 独立データセットにまたがる色差ペアの評価。
ホールドアウトされたBFD-P D65サブセット上のクロスバリデーションは、一般化(STRESS = 26.14)を確認し、Oklch+はOklab (51.45)を大幅に上回り、ホールドアウトセット上でCIEDE2000 (24.12)に匹敵するSTRESSを達成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Oklab and its cylindrical representation Oklch are widely adopted in interpolation and design workflows as perceptually motivated color spaces, but their color difference prediction accuracy falls short of CIEDE2000. We propose Oklch+, a three-parameter extension of Oklab comprising a power transformation on the L-axis and a Naka-Rushton compression on the C-axis, with Euclidean distance computed in the resulting transformed Oklab coordinates. The Naka-Rushton function is bounded in [0,1], reflecting the saturating nature of chroma sensitivity at high colorimetric values. Evaluated on COMBVD -- 3,813 suprathreshold color difference pairs spanning six independent experimental datasets -- Oklch+ achieves STRESS = 29.09, closely matching CIEDE2000 (29.13; difference = 0.04), using only three parameters optimized against color difference data compared to approximately 17 for CIEDE2000. Cross-validation on a held-out BFD-P D65 subset (2,028 pairs) confirms generalization (STRESS = 26.14), with Oklch+ substantially outperforming Oklab (51.45) and achieving STRESS comparable to CIEDE2000 (24.12) on the held-out set. Improvement over Oklab (47.35) is confirmed across all six COMBVD sub-datasets. Because Oklch+ defines a coordinate system in which Euclidean distance approximates perceptual distance, linear interpolation in the transformed space offers substantially improved perceptual uniformity relative to Oklab. Current evaluation is limited to the sRGB-centered COMBVD dataset; validation in high-chroma regions with empirical observer-rated discrimination data remains future work.
- Abstract（参考訳）: Oklabとその円筒形表現Oklchは、視覚的に動機付けられた色空間として補間や設計のワークフローで広く採用されているが、その色差予測精度はCIEDE2000に劣っている。
我々は、L軸上の電力変換とC軸上のナカルーシュトン圧縮を含むOklabの3パラメータ拡張であるOklch+を提案し、結果として変換されたOklab座標でユークリッド距離を算出する。
中ルーシュトン関数は[0,1]に有界であり、高彩度値におけるクロマ感度の飽和特性を反映している。
Oklch+は、CIEDE2000 (29.13; difference = 0.04)と密接に一致するSTRESS = 29.09を達成し、色差データに対して最適化された3つのパラメータしか使用していない。
ホールドアウトされたBFD-P D65サブセット(2,028対)上のクロスバリデーションは、一般化(STRESS = 26.14)を確認し、Oklch+はOklab (51.45)を実質的に上回り、ホールドアウトセット上でCIEDE2000 (24.12)に匹敵するSTRESSを達成する。
Oklab (47.35) の改善は6つのCOMBVDサブデータセットで確認されている。
Oklch+ はユークリッド距離が知覚距離を近似する座標系を定義するため、変換空間における線形補間はオクラブに対する知覚の均一性を大幅に改善する。
現在の評価は、sRGB中心のCOMBVDデータセットに限られている。
関連論文リスト
- Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - RSONet: Region-guided Selective Optimization Network for RGB-T Salient Object Detection [76.1829298714382]
本稿では,RGB画像と熱画像の相違点に着目した。
RGB-T有向物体検出のための領域誘導選択最適化ネットワークを提案する。
我々は,RGB-Tデータセットに関する広範な実験を行い,提案したRSONetが27種類の最先端SOD手法と競合する性能を発揮することを示した。
論文 参考訳（メタデータ） (2026-03-13T06:01:17Z) - HELMLAB: An Analytical, Data-Driven Color Space for Perceptual Distance in UI Design Systems [0.0]
HELMLABはUI設計システムのための72パラメータ分析カラー空間である。
COMBVDデータセット(3,813色対)上で、HELMLABは、CIEDE2000 (29.18)から20.2%削減した23.30のSSTRESSを達成する。
ガミュートマッピング,デザイントーケンエクスポート,ダーク/ライトモード適応ユーティリティは,Webおよびモバイルデザインシステムで使用するために組み込まれている。
論文 参考訳（メタデータ） (2026-02-26T13:52:42Z) - Efficient Fourier Filtering Network with Contrastive Learning for UAV-based Unaligned Bi-modal Salient Object Detection [8.12311871820753]
無人航空機(UAV)をベースとしたバイモーダル・サリエント・オブジェクト検出(BSOD)は、不整合RGBと熱画像ペアの相補的な手がかりを利用して、サリエント・オブジェクトをシーンに分割することを目的としている。
本稿では,実時間と高精度の両性能を両立させるコントラスト学習による効率的なフーリエフィルタネットワークを提案する。
提案モデルであるAlignSalはパラメータ数を70.0%削減し,浮動小数点演算を49.4%削減し,推論速度を152.5%向上させる。
論文 参考訳（メタデータ） (2024-11-06T07:46:34Z) - Mixing Paint: An analysis of color value transformations in multiple coordinate spaces using multivariate linear regression [55.2480439325792]
120対の16色をテストし、線形回帰を使って入力パラメータの最も正確な組み合わせを見つけました。
I found that the fit with the highest coefficient of determination was a geometryally symmetrized linear combination of the color in CIEXYZ space。
論文 参考訳（メタデータ） (2024-04-01T17:26:39Z) - Towards Balanced RGB-TSDF Fusion for Consistent Semantic Scene Completion by 3D RGB Feature Completion and a Classwise Entropy Loss Function [10.22925811541619]
RGB-TSDF 融合は非自明なものと考えられており、一般的に使用されるナイーブ付加は矛盾する結果をもたらす。
本稿では、3D RGB機能補完モジュールを備えた2段階ネットワークを提案する。
論文 参考訳（メタデータ） (2024-03-25T15:56:51Z) - CVT-xRF: Contrastive In-Voxel Transformer for 3D Consistent Radiance Fields from Sparse Inputs [65.80187860906115]
スパース入力によるNeRFの性能向上のための新しい手法を提案する。
まず, サンプル線が, 3次元空間内の特定のボクセルと交差することを保証するために, ボクセルを用いた放射線サンプリング戦略を採用する。
次に、ボクセル内の追加点をランダムにサンプリングし、トランスフォーマーを適用して各線上の他の点の特性を推測し、ボリュームレンダリングに組み込む。
論文 参考訳（メタデータ） (2024-03-25T15:56:17Z) - Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D
Edge Alignment [85.32080531133799]
本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。
エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。
3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
論文 参考訳（メタデータ） (2020-12-15T11:42:17Z) - Bi-directional Cross-Modality Feature Propagation with
Separation-and-Aggregation Gate for RGB-D Semantic Segmentation [59.94819184452694]
深度情報はRGBD画像のセマンティックセグメンテーションにおいて有用であることが証明されている。
既存のほとんどの研究は、深度測定がRGBピクセルと正確で整合していると仮定し、問題をモーダルな特徴融合としてモデル化している。
本稿では,RGB特徴量応答を効果的に再検討するだけでなく,複数の段階を通して正確な深度情報を抽出し,代わりに2つの補正表現を集約する,統一的で効率的なクロスモダリティガイドを提案する。
論文 参考訳（メタデータ） (2020-07-17T18:35:24Z) - Bi-directional Exponential Angular Triplet Loss for RGB-Infrared Person
Re-Identification [18.09586167227815]
本稿では,角分離可能な共通特徴空間の学習を支援するために,二方向指数Angularトリプルトロスという新たなランキング損失関数を提案する。
SYSU-MM01データセットでは、7.40%/11.46%から38.57%/38.61%に改善されている。
提案手法は単一モードRe-IDのタスクに一般化することができる。
論文 参考訳（メタデータ） (2020-06-01T12:26:08Z)
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。