論文の概要: Not All Color Categories Are Equally Stable: A Multilingual Free Color Naming Experiment

• arxiv url: http://arxiv.org/abs/2607.10465v1
• Date: Sat, 11 Jul 2026 20:07:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.435094
• Title: Not All Color Categories Are Equally Stable: A Multilingual Free Color Naming Experiment
• Title（参考訳）: すべての色カテゴリが等しく安定しているわけではない:多言語無料カラーナーミング実験
• Authors: Nuray Toganas, Adilet Yerkin, Elnara Kadyrgali, Muragul Muratbekova, Aron Karatayev, Pakizar Shamoi,
• Abstract要約: 緑色の色合いは外観が変わらず常に緑色と同定された。 黄色い色合いは、金色や茶色に関する記述など、より広い名前で呼ばれた。 赤い色合いは、適度な命名一貫性を示した。
• 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: Color naming is an important part of human color perception. Its task is to allow people to describe continuous colors using discrete color categories. However, the boundaries between color categories are often unclear, and some colors may be perceived differently depending on their saturation and brightness. While certain color categories remain recognizable across a wide range of shades, others may be associated with different color names when their appearance changes. This study investigates the consistency of color naming for red, yellow, and green color categories using a free color-naming experiment. A set of 18 color samples was selected from the COLIBRI dataset to represent different shades of these colors. Participants (n = 92) were asked to freely assign color names to each sample in Kazakh, Russian, or English without being limited to predefined categories. The results show that color categories differ in their consistency. Green shades were consistently identified as green despite variations in appearance, whereas yellow shades received a wider variety of names, including gold- and brown-related descriptions. Red shades showed moderate naming consistency. Our findings suggest that some color categories occupy broader perceptual regions than others and may therefore be more robust to visual variations. The study results can be used to develop perceptually meaningful color models and color naming systems.
• Abstract（参考訳）: 色命名は人間の色知覚の重要な部分である。 その任務は、個々の色カテゴリを使って連続した色を記述できるようにすることである。 しかし、色カテゴリーの境界はしばしば不明瞭であり、彩度や明るさによって異なる色が知覚されることもある。 特定の色カテゴリーは、幅広い色合いで認識できるが、外観が変わると異なる色名に関連付けられることもある。 本研究は, 赤, 黄色, 緑の色カテゴリーにおける色命名の整合性について, 自由色命名実験を用いて検討した。 18種類のサンプルがCOLIBRIデータセットから選択され、それぞれの色の色合いを表現した。 参加者(n = 92)は、事前に定義されたカテゴリに制限されず、カザフ語、ロシア語、英語の各サンプルに自由に色名を割り当てるよう求められた。 その結果,色分類の整合性は異なることがわかった。 緑色の色合いは外観が変わらず常に緑色と認識され、黄色の色合いは金色や茶色の色合いなど幅広い名前で呼ばれた。 赤い色合いは、適度な命名一貫性を示した。 以上の結果から,一部の色カテゴリーは他よりも広い知覚領域を占めており,視覚的変化に対してより堅牢である可能性が示唆された。 研究結果は知覚的に意味のある色モデルや色命名システムの開発に利用できる。

関連論文リスト

• Perceptual Asymmetry Between Hue Categories: Evidence from Human Color Categorization [0.0]
  知覚色カテゴリーはファジィであるだけでなく、幾何学的構造において非常に一様でないことも示している。 この非対称性は、あるカテゴリーが狭く、非常に特異な知覚的ラベルとして振る舞うのに対し、他のカテゴリーは人間の色命名の寛容な領域として振る舞うことを示唆している。
  論文  参考訳（メタデータ） (2026-05-10T05:31:55Z)
• Toward a Universal Color Naming System: A Clustering-Based Approach using Multisource Data [0.0]
  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。
  論文  参考訳（メタデータ） (2026-01-30T21:25:00Z)
• GenColorBench: A Color Evaluation Benchmark for Text-to-Image Generation Models [61.786094845872576]
  GenColorBenchは、テキストから画像までのカラー生成のための、最初の総合的なベンチマークである。 I SCC-NBS や CSS3/X11 などのカラーシステムにも採用されている。 400以上の色をカバーする44K色のプロンプトによって、知覚的および自動評価を通じてモデルの真の能力を明らかにする。
  論文  参考訳（メタデータ） (2025-10-23T14:12:55Z)
• 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)
• Control Color: Multimodal Diffusion-based Interactive Image Colorization [81.68817300796644]
  Control Color (Ctrl Color) は、事前訓練された安定拡散(SD)モデルを利用する多モードカラー化手法である。 ユーザのストロークをエンコードして、局所的な色操作を正確に行うための効果的な方法を提案する。 また、カラーオーバーフローと不正確な色付けの長年の問題に対処するために、自己注意に基づく新しいモジュールとコンテンツ誘導型変形可能なオートエンコーダを導入する。
  論文  参考訳（メタデータ） (2024-02-16T17:51:13Z)
• 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)
• PalGAN: Image Colorization with Palette Generative Adversarial Networks [51.59276436217957]
  そこで本研究では,パレット推定とカラーアテンションを統合した新しいGANベースのカラー化手法PalGANを提案する。 PalGANは、定量的評価と視覚比較において最先端の成果を上げ、顕著な多様性、コントラスト、およびエッジ保存の外観を提供する。
  論文  参考訳（メタデータ） (2022-10-20T12:28:31Z)
• Can Language Models Encode Perceptual Structure Without Grounding? A Case Study in Color [18.573415435334105]
  我々は,知覚的に有意な距離測定値を持つ色空間であるCIELABで表されるモノレキセミックカラー用語とカラーチップのデータセットを用いる。 この空間における色の構造的アライメントをテキスト由来の色項表現で評価する2つの手法を用いて,有意な対応性を見出した。 温かい色は、平均すると、より涼しい色よりも知覚的な色空間に合わせた方がよいことがわかりました。
  論文  参考訳（メタデータ） (2021-09-13T17:09:40Z)
• 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)
• Semantic-driven Colorization [78.88814849391352]
  最近の着色は、白黒画像の着色を学習しながら意味情報を暗黙的に予測する。 そこで本研究では,まず,人間の動作をシミュレートして,画像の理解を学習し,色づけする。
  論文  参考訳（メタデータ） (2020-06-13T08:13:30Z)

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。