論文の概要: A Human-in-the-Loop Deep Learning Framework for Color Reconstruction of Lenticular Films

• arxiv url: http://arxiv.org/abs/2608.02835v2
• Date: Wed, 05 Aug 2026 09:00:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.221779
• Title: A Human-in-the-Loop Deep Learning Framework for Color Reconstruction of Lenticular Films
• Title（参考訳）: レンチキュラーフィルムの色再現のためのヒューマン・イン・ザ・ループ深層学習フレームワーク
• Authors: Saptarshi Neil Sinha, Tiago Kleist, Giorgio Trumpy,
• Abstract要約: レンチキュラーフィルムの色再現を目的とした,ループ内深層学習フレームワークを提案する。 提案手法では, レンズ境界の編集可能なベクトルベース表現を導入し, 専門家が対話的に境界位置を洗練できるようにする。 オリジナルの銀エマルションにのみ存在する情報を用いて画像の詳細を保存するために,再構成した色とオリジナルフィルムスキャンの輝度をマージする。
• 参考スコア（独自算出の注目度）: 1.2744523252873352
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Historical lenticular films, such as those created with the Kodacolor process, encode color information in a distinctive spatial format. This structure requires specialized techniques for accurate color reconstruction. While recent signal processing approaches like doLCE and deep learning methods like deep-doLCE have advanced automated color recovery, they often fail with cases such as curved lenticules, low-contrast, or badly captured regions. We propose a human-in-the-loop (HITL) deep learning framework which is designed for color reconstruction in lenticular films. Our approach introduces an editable, vector-based representation of lenticule boundaries, allowing experts to interactively refine boundary positions before color extraction and demosaicing. This decoupled architecture enables targeted corrections and iterative fine-tuning, embedding expert knowledge into the detection model and improving robustness across challenging frames. To preserve image details using information solely present in the original silver emulsion, we merge the reconstructed chrominance with the original film scan's luminance. We evaluate our pipeline on a challenging lenticular film sequence where previous automated approaches fail and the reconstructed colors are not suitable for exhibition. In contrast, our HITL approach successfully produces high-quality, exhibitable color reconstructions with preserved texture. This work is the first to combine expert guidance, editable intermediate representations, and texture-preserving post-processing for lenticular film color reconstruction, advancing the state of the art in this field.
• Abstract（参考訳）: コダカラー法で作成されたような歴史的レンチキュラー映画は、独特の空間形式で色情報をエンコードする。 この構造には、正確な色再現のための特別な技術が必要である。 近年のdoLCEのような信号処理手法やDeep-doLCEのようなディープラーニング手法は、自動色回復が進んでいるが、湾曲したレンズ、低コントラスト、ひどい捕獲領域などのケースでは失敗することが多い。 レンズフィルムの色再現を目的としたHuman-in-the-loop(HITL)ディープラーニングフレームワークを提案する。 提案手法では,レンズ境界の編集可能なベクトルベース表現を導入し,色抽出や復調の前に,専門家が対話的に境界位置を洗練できるようにする。 この分離されたアーキテクチャは、目標とする修正と反復的な微調整を可能にし、専門家の知識を検出モデルに組み込んで、挑戦するフレーム間の堅牢性を向上させる。 オリジナルの銀エマルションにのみ存在する情報を用いて画像の詳細を保存するために,再構成した色とオリジナルフィルムスキャンの輝度をマージする。 我々は,従来の自動アプローチが失敗し,再構成した色が展示に適さない,難易度の高いレンチキュラーフィルム上でパイプラインを評価した。 対照的に, HITL法は, テクスチャを保存した高品質で展示可能な色再現を実現した。 この研究は、専門家による指導、編集可能な中間表現、およびレンチキュラーフィルムの色再現のためのテクスチャ保存後処理を組み合わせた最初のものであり、この分野における最先端の進歩である。

関連論文リスト

• ColorFLUX: A Structure-Color Decoupling Framework for Old Photo Colorization [34.04054653090656]
  生成拡散モデルFLUXに基づく新しいフォトカラー化フレームワークを提案する。 色復元から構造保存を分離し、古い写真の正確な色付けを可能にする構造カラーデカップリング戦略を導入する。 また、古い写真から直接きめ細かな意味情報を抽出し、古い写真に固有の色バイアスを除去する視覚意味プロンプトも導入する。
  論文  参考訳（メタデータ） (2026-03-30T08:29:16Z)
• VIRGi: View-dependent Instant Recoloring of 3D Gaussians Splats [53.602701067430075]
  3DGSでモデル化されたシーンの色を高速に編集する新しいアプローチであるVIRGiを紹介する。 1人のユーザーの重みを微調整することで、色編集はシーン全体にわずか2秒でシームレスに伝達される。 多様なデータセットに対する徹底的な検証は、競合相手に対する有意義な量的および質的な進歩を示している。
  論文  参考訳（メタデータ） (2026-03-03T13:41:17Z)
• InpaintHuman: Reconstructing Occluded Humans with Multi-Scale UV Mapping and Identity-Preserving Diffusion Inpainting [64.42884719282323]
  InpaintHumanは、モノクロビデオから高忠実で完全でアニマタブルなアバターを生成する新しい方法である。 我々のアプローチは、アイデンティティの忠実性を保証するために、直接ピクセルレベルの監視を採用する。
  論文  参考訳（メタデータ） (2026-01-05T13:26:02Z)
• DiffTex: Differentiable Texturing for Architectural Proxy Models [63.370581207280004]
  非秩序な写真からテクセルレベルでアーキテクチャプロキシモデルのための現実的なテクスチャマップを自動生成する手法を提案する。 提案手法は,UVマップ上のテックセルと入力画像中のピクセルとの対応性を確立し,各テクセルの色を関連するピクセル値の重み付けとして計算する。
  論文  参考訳（メタデータ） (2025-09-27T14:39:53Z)
• Neural Fields meet Explicit Geometric Representation for Inverse Rendering of Urban Scenes [62.769186261245416]
  本稿では,大都市におけるシーン形状,空間変化材料,HDR照明を,任意の深さで描画したRGB画像の集合から共同で再構成できる新しい逆レンダリングフレームワークを提案する。 具体的には、第1の光線を考慮に入れ、第2の光線をモデリングするために、明示的なメッシュ(基礎となるニューラルネットワークから再構成)を用いて、キャストシャドウのような高次照明効果を発生させる。
  論文  参考訳（メタデータ） (2023-04-06T17:51:54Z)
• RecolorNeRF: Layer Decomposed Radiance Fields for Efficient Color Editing of 3D Scenes [21.284044381058575]
  本稿では,ニューラルラジアンスフィールドのための新しいユーザフレンドリーなカラー編集手法であるRecolorNeRFを提案する。 私たちのキーとなるアイデアは、シーンを純粋な色の層に分解し、パレットを形成することです。 効率的なパレットベースの編集をサポートするには、各レイヤの色を可能な限り表現する必要がある。
  論文  参考訳（メタデータ） (2023-01-19T09:18:06Z)
• PaletteNeRF: Palette-based Appearance Editing of Neural Radiance Fields [60.66412075837952]
  本稿では,3次元色分解に基づくニューラルラジアンスフィールド(NeRF)の出現編集手法であるPaletteNeRFを提案する。 提案手法は,各3次元点の出現を,パレットベースによる線形結合に分解する。 我々は、セマンティック・アウェアな外観編集のためのセマンティック機能を圧縮したフレームワークを拡張した。
  論文  参考訳（メタデータ） (2022-12-21T00:20:01Z)
• A Deep Learning Approach for Digital ColorReconstruction of Lenticular Films [8.264186103325725]
  レンチキュラー映画は1920年代に登場し、フルカラー情報をモーションで捉えることを許した最初の技術の一つとなった。 本研究では,レンチキュラーフィルムのスキャン処理とカラー化を行う自動化された完全ディジタルパイプラインを提案する。 提案手法は,再現されたカラー画像が符号化されたカラー情報と真に一致することを確認しながら,性能を最大化するために,ディープラーニングとモデルに基づくアプローチを融合する。
  論文  参考訳（メタデータ） (2022-02-10T11:08:50Z)
• Image Inpainting with External-internal Learning and Monochromic Bottleneck [39.89676105875726]
  そこで本稿では,画像インパインティングモデルによるこれらのアーティファクトの除去を支援する,モノクロのボトルネックを持つ外部インパインティングスキームを提案する。 外部学習段階において,モノクロ空間における欠落構造と詳細を再構成し,学習次元を減らす。 内部学習段階において,一貫した色復元のためのプログレッシブ学習戦略を用いた新しい内部色伝播法を提案する。
  論文  参考訳（メタデータ） (2021-04-19T06:22:10Z)
• Towards High Fidelity Monocular Face Reconstruction with Rich Reflectance using Self-supervised Learning and Ray Tracing [49.759478460828504]
  ディープニューラルネットワークエンコーダと異なるレンダリングを組み合わせた手法が、幾何学、照明、反射の非常に高速な単分子再構成の道を開いた。 古典的な最適化ベースのフレームワーク内での単眼顔再構築のためにレイトレースが導入されました。 一般シーンにおける復元品質と堅牢性を大幅に向上させる新しい手法を提案します。
  論文  参考訳（メタデータ） (2021-03-29T08:58:10Z)

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。