論文の概要: Boundary-Continuous Cross-Camera RGB Mapping via Hue-Split Model Trees
- arxiv url: http://arxiv.org/abs/2608.11548v1
- Date: Wed, 12 Aug 2026 01:34:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.412064
- Title: Boundary-Continuous Cross-Camera RGB Mapping via Hue-Split Model Trees
- Title（参考訳）: ヒュースプリットモデルツリーを用いた境界連続クロスカメラRGBマッピング
- Authors: Yuma Kinoshita, Hitoshi Kiya,
- Abstract要約: クロスカメラRGBマッピングは、カメラ間で一貫した色表現を作ることを目的としている。
境界連続型クロスカメラRGBマッピングのためのhue-splitモデルツリー法を提案する。
- 参考スコア（独自算出の注目度）: 2.463653514623161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a hue-split model-tree method for boundary-continuous cross-camera RGB mapping. Cross-camera RGB mapping aims to produce consistent color representations across cameras whose recorded RGB values differ due to sensor spectral sensitivities and image-signal processing pipelines. A common chart-based remedy is to estimate a single global affine color correction matrix (CCM), but such a global model cannot capture hue-specific discrepancies between cameras. To capture that behavior, we recursively partitions the source-camera color space along a scalar hue coordinate and builds an model tree that stores an affine CCM at every node. For fitting the node CCMs, we utilize a log-domain error objective. To prevent false contours that arise from hard hue splits, we further introduce a boundary-continuous formulation in which the prediction is obtained by blending the log-domain outputs of all node CCMs along the root-to-leaf path. The path-wise blending weights are optimized under a simplex constraint using both a chart-pair fitting loss and an explicit continuity regularizer defined on deterministic boundary prototype pairs placed just on either side of each learned hue threshold. We conducted an experiment on a Canon EOS-1Ds Mark II to Canon EOS 20D mapping using the Middlebury Registered Color Checker dataset. The results show that hue splitting substantially reduces log-RMSE over a single global affine CCM and that the proposed path blending with boundary prototype regularization simultaneously improves accuracy and suppresses chromaticity gaps at the learned hue thresholds across two illuminants and multiple exposure conditions.
- Abstract（参考訳）: 境界連続カメラRGBマッピングのためのhue-splitモデルツリー法を提案する。
クロスカメラRGBマッピングは、センサスペクトル感度と画像信号処理パイプラインによって記録されたRGB値が異なるカメラ間で一貫した色表現を生成することを目的としている。
チャートベースの一般的な治療法は、単一のグローバルアフィン色補正行列 (CCM) を推定することであるが、そのようなグローバルモデルではカメラ間の色差を捉えることはできない。
その振る舞いを捉えるために、スカラーハウ座標に沿ってソースカメラの色空間を再帰的に分割し、各ノードにアフィンCCMを格納するモデルツリーを構築する。
ノードCCMを適合させるためには、ログドメインエラーの目的を利用する。
ハード・ハウ・スプリットから生じる偽の輪郭を防止すべく,ルート・ツー・リーフ・パスに沿って全てのノードCCMの対数領域出力を混合して予測を行う境界連続的な定式化を導入する。
経路ワイドブレンディングウェイトは、各学習色調閾値の両側に置かれる決定論的境界プロトタイプ対上に定義されたグラフ対嵌合損失と明示的連続性正規化器の両方を用いて、単純制約の下で最適化される。
キヤノンEOS-1DのMark IIとキヤノンEOS20Dマッピングをミドルベリー登録カラーチェッカーデータセットを用いて実験した。
その結果,1つのグローバルアフィンCCM上での色相分離により対数RMSEが大幅に減少し,境界プロトタイプの正則化と組み合わせた経路の精度が向上し,学習した色相閾値における色相ギャップが2つの照度と多重露光条件で抑制されることが示唆された。
関連論文リスト
- Controllable-Continuous Color Editing in Diffusion Model via Color Mapping [73.62340517056619]
テキスト埋め込み空間と画像RGB値との対応性を明示的にモデル化するカラーマッピングモジュールを提案する。
ユーザーはターゲットのRGB範囲を指定することで、所望の範囲内で連続的な色の変化のある画像を生成することができる。
実験により,色の連続性と可制御性の観点から,本手法が良好に動作することを示した。
論文 参考訳（メタデータ） (2025-09-17T07:12:51Z) - Color Matching Using Hypernetwork-Based Kolmogorov-Arnold Networks [44.97307414849601]
cmKANはカラーマッチングのための多用途フレームワークである。
我々は、KAN(Kolmogorov-Arnold Networks)を用いて、ソースとターゲットの分布間の色マッチングをモデル化する。
2つの異なるカメラで撮影されたペア画像の大規模なデータセットを初めて紹介する。
論文 参考訳（メタデータ） (2025-03-14T18:17:19Z) - Discovering an Image-Adaptive Coordinate System for Photography Processing [51.164345878060956]
曲線演算を行う前にRGB色空間における画像適応座標系を学習するための新しいアルゴリズム IAC を提案する。
このエンドツーエンドのトレーニング可能なアプローチにより、共同で学習した画像適応座標系と曲線を用いて、画像の効率よく調整できる。
論文 参考訳（メタデータ） (2025-01-11T06:20:07Z) - Clothes Grasping and Unfolding Based on RGB-D Semantic Segmentation [21.950751953721817]
セグメンテーションのための双方向フラクタルクロスフュージョンネットワーク(BiFCNet)を提案する。
我々は、Fractal Cross FusionモジュールがRGBと深度データを融合するネットワークへの入力として、リッチな色特徴を持つRGB画像を使用する。
実データ収集のコストを削減するため,敵対的戦略に基づくデータ拡張手法を提案する。
論文 参考訳（メタデータ） (2023-05-05T03:21:55Z) - Cross-Camera Deep Colorization [10.254243409261898]
本稿では,カラープラスモノデュアルカメラシステムからの画像の整列と融合を行う,エンドツーエンドの畳み込みニューラルネットワークを提案する。
提案手法は,約10dBPSNRゲインの大幅な改善を継続的に達成する。
論文 参考訳（メタデータ） (2022-08-26T11:02:14Z) - FRIH: Fine-grained Region-aware Image Harmonization [49.420765789360836]
我々は,FRIH(Fentral-Aware Image Harmonization)のための新しいグローバルな2段階フレームワークを提案する。
提案アルゴリズムは,軽量モデルを用いて,iHarmony4データセット(PSNRは38.19dB)上で最高の性能を実現する。
論文 参考訳（メタデータ） (2022-05-13T04:50:26Z) - Learning RAW-to-sRGB Mappings with Inaccurately Aligned Supervision [76.41657124981549]
本稿では,画像アライメントとRAW-to-sRGBマッピングのための共同学習モデルを提案する。
実験の結果,本手法はZRRおよびSR-RAWデータセットの最先端に対して良好に動作することがわかった。
論文 参考訳（メタデータ） (2021-08-18T12:41:36Z) - Perceptual Robust Hashing for Color Images with Canonical Correlation
Analysis [21.22196411212803]
リングリブボン四重木とカラーベクター角度に基づくカラー画像に対する新しい知覚的画像ハッシュ方式を提案する。
本手法は, コピー検出やコンテンツ認証に効果的に使用できるロバスト性, 識別性, セキュリティに関して, 良好な性能を有する。
論文 参考訳（メタデータ） (2020-12-08T09:35:21Z) - 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) - SegFix: Model-Agnostic Boundary Refinement for Segmentation [75.58050758615316]
既存のセグメンテーションモデルによって生成されるセグメンテーション結果の境界品質を改善するためのモデルに依存しない後処理方式を提案する。
内部画素のラベル予測がより信頼性が高いという実証的な観察により、我々は、内部画素の予測によって、もともと信頼できない境界画素の予測を置き換えることを提案する。
論文 参考訳（メタデータ） (2020-07-08T17:08:08Z)
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。