論文の概要: Semantic Context Matters: Analysis of Color Names Across Domains

• arxiv url: http://arxiv.org/abs/2607.17221v1
• Date: Sun, 19 Jul 2026 12:24:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.395895
• Title: Semantic Context Matters: Analysis of Color Names Across Domains
• Title（参考訳）: 意味的文脈:ドメイン間の色名の解析
• Abstract要約: 本稿では,Cosmetics,Crayola,Car-color vocabulariesから得られた色名データセットを,COLIBRI色モデルの86ファジィ色カテゴリにマッピングすることで,文脈依存の色命名について検討する。 提案フレームワークは、デザイン分析、製品検索、レコメンデーションシステム、人間中心人工知能のためのコンテキスト対応カラーモデルの開発を支援する。
• 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: Color naming is influenced not only by physical color values but also by the semantic context in which colors are used. This paper investigates context-dependent color naming by mapping color-name datasets from Cosmetics, Crayola, and Car-color vocabularies onto the 86 fuzzy color categories of the COLIBRI color model. Contextual variation is analyzed using category coverage, Shannon entropy, and maximum lift. The results show that the three contexts occupy the COLIBRI color space differently: Cosmetics covers 48 of 86 fuzzy categories, Crayola covers 50, and Car colors cover 40. The results demonstrated that Crayola provides the broadest and most balanced use of the fuzzy color space, Cosmetics is mainly concentrated around warm-tone regions, and Car colors are more specialized around blue and achromatic regions. These findings show that color naming cannot be fully explained by numerical color similarity alone and that semantic context plays an important role in human color interpretation. The proposed framework supports the development of context-aware color models for design analytics, product search, recommendation systems, and human-centered artificial intelligence.
• Abstract（参考訳）: 色命名は、物理的な色値だけでなく、色を使用する意味的な文脈にも影響される。 本稿では,Cosmetics,Crayola,Car-color vocabulariesから得られた色名データセットを,COLIBRI色モデルの86ファジィ色カテゴリにマッピングすることで,文脈依存カラー命名について検討する。 文脈変化は、カテゴリーカバレッジ、シャノンエントロピー、最大リフトを用いて分析される。 その結果,Crayolaは50色,Car色は40色,Cosmeticsは86種類のファジィカテゴリの48色,Crayolaは50色,CoLIBRIの色空間は40色であった。 その結果、Crayolaはファジィ色空間の最も広く最もバランスのとれた利用を提供し、Cosmeticsは主に暖色領域に集中し、Car色は青と無彩色領域に特化していることがわかった。 これらの結果から,色命名は数値的な色類似性だけでは説明できないこと,意味的文脈が人間の色解釈において重要な役割を担っていることが示唆された。 提案フレームワークは、デザイン分析、製品検索、レコメンデーションシステム、人間中心人工知能のためのコンテキスト対応カラーモデルの開発を支援する。

関連論文リスト

• Not All Color Categories Are Equally Stable: A Multilingual Free Color Naming Experiment [0.0]
  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。
  論文  参考訳（メタデータ） (2026-07-11T20:07:43Z)
• 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)
• 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)
• Paint Bucket Colorization Using Anime Character Color Design Sheets [72.66788521378864]
  ネットワークがセグメント間の関係を理解することができる包摂的マッチングを導入する。 ネットワークのトレーニングパイプラインは、カラー化と連続フレームカラー化の両方のパフォーマンスを著しく向上させる。 ネットワークのトレーニングをサポートするために、PaintBucket-Characterというユニークなデータセットを開発しました。
  論文  参考訳（メタデータ） (2024-10-25T09:33:27Z)
• 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)
• L-CAD: Language-based Colorization with Any-level Descriptions using Diffusion Priors [62.80068955192816]
  我々は,任意のレベルの記述で言語ベースの色付けを行う統一モデルを提案する。 我々は、その頑健な言語理解と豊かな色優先のために、事前訓練されたモダリティ生成モデルを活用する。 提案した新しいサンプリング戦略により,多様な複雑なシナリオにおいて,インスタンス認識のカラー化を実現する。
  論文  参考訳（メタデータ） (2023-05-24T14:57:42Z)
• 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)
• 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。