論文の概要: No Pixel Left Behind: Filling Gaps in Anime Colorization
- arxiv url: http://arxiv.org/abs/2609.00800v1
- Date: Tue, 01 Sep 2026 06:56:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:36.423451
- Title: No Pixel Left Behind: Filling Gaps in Anime Colorization
- Title（参考訳）: アニメのカラー化にギャップを埋めるピクセルは残っていない
- Authors: Masahiro Kono, Akinobu Maejima, Yuki Koyama, Yotam Sechayk, Takeo Igarashi,
- Abstract要約: 本稿ではギャップ検出,ズーム,色選択の労力を削減するツールであるGapFillを紹介する。
深層学習法では,周辺領域を参照し,アニメスタイルの画像の平坦な色の性質を活用することで,適切なフィリング色を提案する。
13名の有色人種を対象としたユーザスタディでは,従来手法よりもギャップ充足作業の性能とユーザビリティが向上した。
- 参考スコア（独自算出の注目度）: 18.137688819112444
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Animation production workflows often involve digital colorization of line art, where small unpainted regions ("gaps") frequently occur and remain an underexplored challenge. We conducted a formative study in Japanese animation (anime) pipelines and found that while the paint bucket tool is widely used for base coloring, tiny enclosed areas are frequently overlooked, resulting in time-consuming manual detection and filling. We introduce GapFill, a tool grounded in professional practices that reduces the effort of gap detection, zooming, and color selection. Our deep-learning method suggests appropriate fill colors by referencing surrounding regions, leveraging the flat-color nature of anime-style images. In a user study with 13 professional colorists, our system improved performance and usability in gap-filling tasks over conventional methods. The study also suggested that prediction accuracy alone is not the primary factor for usability, that appropriate colors can be contextually ambiguous, and that GapFill can complement existing tools depending on users' trust in new AI-powered assistance.
- Abstract（参考訳）: アニメーション制作のワークフローは、しばしばラインアートのデジタルカラー化を伴うが、そこでは小さな未塗装の領域(ギャップ)が頻繁に発生し、未発見の課題である。
筆者らは日本のアニメ(アニメ)パイプラインでフォーマティブな研究を行い、ペイントバケツツールがベースカラー化に広く利用されている一方で、小さな囲い領域がしばしば見過ごされ、手動検出と充填に時間が掛かることを発見した。
GapFillは、ギャップ検出、ズーム、色選択の労力を削減する専門的なプラクティスに基づくツールです。
深層学習法では,周辺領域を参照し,アニメスタイルの画像の平坦な色の性質を活用することで,適切なフィリング色を提案する。
13名の有色人種を対象としたユーザスタディでは,従来手法よりもギャップ充足作業の性能とユーザビリティが向上した。
調査はまた、予測精度のみがユーザビリティの主要な要因ではなく、適切な色は文脈的にあいまいであり、GapFillは新しいAIによる支援に対するユーザの信頼に応じて既存のツールを補完できる、と示唆した。
関連論文リスト
- PeCA: Palette Context Assisted Inference for Test-Time Paint-Bucket Colourisation on Animation Videos [17.93747109329063]
Palette Context Assisted (PeCA)は、アニメーションビデオのカラー化のための新しいトレーニング不要のプラグイン・アンド・プレイフレームワークである。
PeCAは、空間的および時間的文脈に関する推論を通じて、テスト時にこのギャップを埋めることを目指している。
論文 参考訳（メタデータ） (2026-08-02T00:15:25Z) - ToonComposer: Streamlining Cartoon Production with Generative Post-Keyframing [60.81602269917522]
ToonComposerは、着色と着色を単一のキーフレーミング段階に統一する生成モデルである。
1つのスケッチと色の付いた参照フレームを必要とするToonComposerは、スパース入力で出力する。
評価の結果,ToonComposerは視覚的品質,動作の整合性,生産効率において,既存の手法よりも優れていた。
論文 参考訳（メタデータ） (2025-08-14T17:50:11Z) - Cobra: Efficient Line Art COlorization with BRoAder References [62.452143512625724]
漫画のページは多彩なキャラクター、オブジェクト、背景を含むことが多く、色付け過程を複雑にしている。
画像生成のための拡散モデルの発展にもかかわらず、ラインアートのカラー化への応用は限定的である。
カラーヒントをサポートし,200以上の参照画像を利用する,効率的で汎用的な手法であるCobraを紹介する。
論文 参考訳（メタデータ） (2025-04-16T16:45:19Z) - SketchDeco: Decorating B&W Sketches with Colour [80.90808879991182]
本稿では,色彩の普遍的な幼児期活動に触発された,色彩のスケッチ化への新たなアプローチを紹介する。
精度と利便性のバランスを考慮し,地域マスクとカラーパレットを用いて直感的なユーザコントロールを実現する。
論文 参考訳（メタデータ） (2024-05-29T02:53:59Z) - Learning Inclusion Matching for Animation Paint Bucket Colorization [76.4507878427755]
ネットワークにセグメント間の包摂関係を理解するための,学習に基づく新たな包摂的マッチングパイプラインを導入する。
提案手法では,粗いカラーワープモジュールと包括的マッチングモジュールを統合した2段階のパイプラインを特徴とする。
ネットワークのトレーニングを容易にするため,PaintBucket-Characterと呼ばれるユニークなデータセットも開発した。
論文 参考訳（メタデータ） (2024-03-27T08:32:48Z) - inkn'hue: Enhancing Manga Colorization from Multiple Priors with
Alignment Multi-Encoder VAE [0.0]
マンガ色化のための特殊フレームワークを提案する。
マルチエンコーダVAEを用いたシェーディングと鮮やかな色付けに確立されたモデルを活用する。
この構造化ワークフローは、参照イメージと手動ヒントを組み込むオプションによって、明確でカラフルな結果を保証する。
論文 参考訳（メタデータ） (2023-11-03T09:33:32Z) - Deep Edge-Aware Interactive Colorization against Color-Bleeding Effects [15.386085970550996]
深層画像の着色ネットワークは、しばしば着色するアーティファクトに悩まされる。
そこで本稿では,興味のある領域を対象とした新しいエッジ強化フレームワークを提案する。
論文 参考訳（メタデータ） (2021-07-04T13:14:31Z) - Deep auxiliary learning for visual localization using colorization task [25.803016939312137]
シーン固有の高レベルセマンティクスを導入することで,カメラのローカライゼーションのための新しい補助学習戦略を提案する。
本研究では,色付けネットワークから特徴表現をローカライズネットワークに組込み,ポーズ回帰のための識別的特徴を生成する。
本モデルは,屋内および屋外両方のデータセット上での最先端技術に対する局所化精度を著しく向上させる。
論文 参考訳（メタデータ） (2021-07-01T05:25:19Z)
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。