論文の概要: Beyond Color Geometry: Evaluating Human-Like Color Representations in Vision Models

• arxiv url: http://arxiv.org/abs/2607.13647v1
• Date: Wed, 15 Jul 2026 09:47:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.736338
• Title: Beyond Color Geometry: Evaluating Human-Like Color Representations in Vision Models
• Title（参考訳）: 色幾何学を超えて:視覚モデルにおける人間に似た色表現の評価
• Abstract要約: ヒトのサーベイデータに適合する86品位カテゴリーのファジィ知覚モデルに対する色接地の評価を行った。 11個のVision Transformerエンコーダで、カテゴリレベルの結果は広く似ているが、グレードのアライメントは大幅に異なる。 マスク付きオートエンコーダは、他のエンコーダと重複しない信頼区間を持つ、最強の測地線アライメントを達成する。
• 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: Do vision models see colors the way humans do? Existing evaluations of color representations usually compare them with geometric spaces such as CIELAB or with discrete color labels. These references capture perceptual distance or category membership, but not the graded way in which people organize colors. We evaluate color grounding against a fuzzy perceptual model with 86 graded categories fitted to human survey data. The framework can be applied to any image encoder and measures three complementary properties: category boundaries, category compactness, and graded alignment beyond what color geometry alone can explain. Across eleven Vision Transformer encoders, the category-level results are broadly similar, whereas graded alignment differs substantially. Masked Autoencoders achieve the strongest beyond-geometry alignment, with confidence intervals that do not overlap those of the other encoders. A layer-wise analysis further shows that masked reconstruction preserves this structure toward the output. On natural images, MAE represents surface color globally, while language-supervised models encode color more strongly in relation to the foreground object. These results show that human-like color grounding has several distinct aspects that should not be reduced to a single score.
• Abstract（参考訳）: 視覚モデルは、人間のように色を見るか? 既存の色表現の評価は通常、CIELABや離散色ラベルのような幾何学的空間と比較される。 これらの参照は知覚距離やカテゴリメンバーシップをキャプチャするが、人々が色を整理する段階的な方法ではない。 ヒトのサーベイデータに適合する86品位カテゴリーのファジィ知覚モデルに対する色接地の評価を行った。 このフレームワークは任意の画像エンコーダに適用することができ、カテゴリ境界、カテゴリコンパクト性、色幾何学だけで説明できる以上の等級付きアライメントの3つの相補的な特性を測定することができる。 11個のVision Transformerエンコーダで、カテゴリレベルの結果は広く似ているが、グレードのアライメントは大幅に異なる。 マスク付きオートエンコーダは、他のエンコーダと重複しない信頼区間を持つ、最強の測地線アライメントを達成する。 レイヤワイズ分析により、マスクされた再構成はこの構造を出力に向けて保存することを示した。 自然画像上では、MAEは表面色を世界規模で表現し、言語教師ありモデルは前景オブジェクトに対してより強く色を符号化する。 これらの結果から,ヒト様の色彩グラウンドには,単一のスコアに還元すべきでないいくつかの異なる側面が存在することが示唆された。

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)
• 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)
• COLIBRI Fuzzy Model: Color Linguistic-Based Representation and Interpretation [0.0]
  本稿では,人間の知覚に基づくファジィカラーモデル(COLIBRI)を導入し,計算色表現と人間の視覚知覚のギャップを埋める。 提案モデルはファジィ集合と論理を用いて色分類のためのフレームワークを作成する。 我々の発見は、デザイン、人工知能、マーケティング、人間とコンピュータの相互作用といった分野において重要である。
  論文  参考訳（メタデータ） (2025-07-15T17:01:45Z)
• View-Consistent Hierarchical 3D Segmentation Using Ultrametric Feature Fields [52.08335264414515]
  我々は3次元シーンを表すニューラル・レージアンス・フィールド(NeRF)内の新しい特徴場を学習する。 本手法は、ビュー一貫性の多粒性2Dセグメンテーションを入力とし、3D一貫性のセグメンテーションの階層構造を出力として生成する。 提案手法と,多視点画像と多粒性セグメンテーションを用いた合成データセットのベースラインの評価を行い,精度と視点整合性を向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-30T04:14:58Z)
• ColorSense: A Study on Color Vision in Machine Visual Recognition [57.916512479603064]
  視覚認識ベンチマークから,前景や背景色ラベルの非自明なアノテーション110,000点を収集する。 色識別のレベルがマシン認識モデルの性能に与える影響を実証することにより、データセットの使用を検証した。 その結果,分類や局所化などの物体認識タスクは,色覚バイアスの影響を受けやすいことが示唆された。
  論文  参考訳（メタデータ） (2022-12-16T18:51:41Z)
• 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)
• Assessing The Importance Of Colours For CNNs In Object Recognition [70.70151719764021]
  畳み込みニューラルネットワーク(CNN)は相反する性質を示すことが示されている。 CNNが予測をしながら色情報に大きく依存していることを実証します。 congruent, greyscale, incongruent画像の合同画像で学習したモデルを評価する。
  論文  参考訳（メタデータ） (2020-12-12T22:55:06Z)
• Appearance Consensus Driven Self-Supervised Human Mesh Recovery [67.20942777949793]
  単眼画像から人間のポーズや形状を推定する自己教師付きメッシュ回復フレームワークを提案する。 標準モデルに基づく3次元ポーズ推定ベンチマークの最先端結果を得る。 その結果、色付きメッシュ予測により、ポーズや形状推定以外にも、さまざまな外観関連タスクにフレームワークの使用が開放される。
  論文  参考訳（メタデータ） (2020-08-04T05:40:39Z)
• Color-complexity enabled exhaustive color-dots identification and spatial patterns testing in images [0.6299766708197881]
  我々は,RGB と HSV という3つのカラーコーディネート間の高関連性に基づく新しい色識別アルゴリズムを開発した。 精密農業におけるドローンによる化学噴霧を模倣した画像に,本研究の展開を例証する。
  論文  参考訳（メタデータ） (2020-07-28T21:06:12Z)
• Instance-aware Image Colorization [51.12040118366072]
  本稿では,インスタンス認識のカラー化を実現する手法を提案する。 我々のネットワークアーキテクチャは、市販のオブジェクト検出器を利用して、収穫されたオブジェクト画像を取得する。 類似したネットワークを用いて、フルイメージの特徴を抽出し、融合モジュールを適用して最終色を予測する。
  論文  参考訳（メタデータ） (2020-05-21T17:59:23Z)
• Learning to Structure an Image with Few Colors [59.34619548026885]
  そこで,カラー量子化ネットワークであるColorCNNを提案する。 1ビットのカラースペース(すなわち2色)だけで、提案されたネットワークはCIFAR10データセット上で82.1%のトップ-1の精度を達成した。 アプリケーションの場合、PNGでエンコードされた場合、提案したカラー量子化は、極低ビットレート方式の他の画像圧縮方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-17T17:56:15Z)
• Investigating the Importance of Shape Features, Color Constancy, Color Spaces and Similarity Measures in Open-Ended 3D Object Recognition [4.437005770487858]
  オープンエンド3次元物体認識における形状情報,色濃度,色空間,および様々な類似度尺度の重要性について検討した。 実験結果から, 色と形状のテクスタイピングは, テクスタイピングのみのアプローチ, テクスタイピングのみのアプローチよりも大幅に改善されていることが明らかとなった。
  論文  参考訳（メタデータ） (2020-02-10T14:24:09Z)

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。