論文の概要: Adaptive Color Grading

• arxiv url: http://arxiv.org/abs/2609.21169v1
• Date: Fri, 18 Sep 2026 00:32:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.802704
• Title: Adaptive Color Grading
• Title（参考訳）: アダプティブカラーグレーディング
• Abstract要約: トーンスケール領域の独立的な制御は、画家、写真家、撮影技師が2D画像を生き返らせるために不可欠である。 本研究では,オープンソースカラーグレーティングツールを開発し,ビデオフレームの大規模なデータセットをトーンスケール領域閾値でアノテートする。 以上の結果から,K-アネレスト近傍は画像強調のための最先端のエンドツーエンド手法よりも優れた予測戦略であることが示唆された。
• 参考スコア（独自算出の注目度）: 20.881419305829798
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Independent control of tonescale regions (e.g., shadows, highlights) is essential for painters, photographers and cinematographers to bring 2D images to life. In image manipulation software this is most directly addressed by color grading modules, which use intensity thresholds to segment distinct illumination regions for local manipulation. In this work we develop an open source color grading tool and use it to annotate a large dataset of video frames with tonescale region thresholds. Using these thresholds we conduct modeling experiments with strategies based on both practitioners' conventional wisdom and machine learning. Results show that K-nearest neighbors is an effective prediction strategy, outperforming state-of-the-art end-to-end methods for image enhancement. This outcome demonstrates the benefit of focusing on a compact set of core parameters when modeling creative stylization processes. Our adaptive color grading interface and data are available at https://github.com/SamsungLabs/adaptive-color-grading.
• Abstract（参考訳）: トーンスケール領域(例えば影、ハイライト)の独立的な制御は、画家、写真家、撮影技師が2D画像を生き返らせるために不可欠である。 画像操作ソフトウェアにおいて、これは最も直接的に色階調モジュールによって対処され、局所的な操作のために異なる照明領域を分割するために強度閾値を使用する。 本研究では,オープンソースカラーグレーティングツールを開発し,ビデオフレームの大規模なデータセットをトーンスケール領域閾値でアノテートする。 これらのしきい値を用いて、実践者の従来の知恵と機械学習の両方に基づく戦略を用いたモデリング実験を行う。 その結果,K-アレスト近傍は画像強調のための最先端のエンドツーエンド手法よりも優れた予測戦略であることが示唆された。 この結果は、創造的なスタイリングプロセスのモデリングにおいて、コアパラメータのコンパクトなセットにフォーカスする利点を示している。 適応的なカラーグレーティングインターフェースとデータはhttps://github.com/SamsungLabs/adaptive-color-grading.comで利用可能です。

関連論文リスト

• Video Color Grading via Look-Up Table Generation [38.14578948732577]
  本稿では,参照型ビデオカラーグレーティングフレームワークを提案する。 私たちのキーとなるアイデアは、参照シーンと入力ビデオ間の色属性アライメントのためのルックアップテーブル(LUT)を明示的に生成することです。 トレーニングの目的として、参照シーンのルック、ムード、感情などの高レベルな特徴は、入力ビデオと類似すべきである。
  論文  参考訳（メタデータ） (2025-08-01T11:43:30Z)
• Image Referenced Sketch Colorization Based on Animation Creation Workflow [28.281739343084993]
  実世界のアニメーション制作にインスパイアされた拡散型フレームワークを提案する。 本手法では,スケッチをカラー参照として空間誘導とRGB画像を利用し,マスクを用いた参照画像から前景と背景を別々に抽出する。 この設計により、拡散モデルは前景や背景からの情報を独立して統合することができ、干渉を防止し、空間的アーティファクトを排除できる。
  論文  参考訳（メタデータ） (2025-02-27T10:04:47Z)
• 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)
• 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)
• Incorporating Ensemble and Transfer Learning For An End-To-End Auto-Colorized Image Detection Model [0.0]
  本稿では,移動学習とアンサンブル学習の利点を組み合わせた新たな手法を提案する。 提案したモデルは、94.55%から99.13%の精度で有望な結果を示す。
  論文  参考訳（メタデータ） (2023-09-25T19:22:57Z)
• BiSTNet: Semantic Image Prior Guided Bidirectional Temporal Feature Fusion for Deep Exemplar-based Video Colorization [70.14893481468525]
  本稿では,参照例の色を探索し,映像のカラー化を支援するために有効なBiSTNetを提案する。 まず、各フレームと参照例間の深い特徴空間における意味的対応を確立し、参照例からの色情報を探究する。 我々は,フレームのオブジェクト境界をモデル化するための意味情報を抽出する混合専門家ブロックを開発した。
  論文  参考訳（メタデータ） (2022-12-05T13:47:15Z)
• Neural Color Operators for Sequential Image Retouching [62.99812889713773]
  本稿では,新たに導入したトレーニング可能なニューラルカラー演算子のシーケンスとして,リタッチ処理をモデル化して,新しい画像リタッチ手法を提案する。 ニューラルカラー演算子は、従来のカラー演算子の振舞いを模倣し、その強度をスカラーで制御しながらピクセルワイズな色変換を学習する。 定量的な測定と視覚的品質の両面で,SOTA法と比較して常に最良の結果が得られている。
  論文  参考訳（メタデータ） (2022-07-17T05:33:19Z)
• iColoriT: Towards Propagating Local Hint to the Right Region in Interactive Colorization by Leveraging Vision Transformer [29.426206281291755]
  iColoriT は,ユーザヒントを関連領域に伝達する新しい点対話型カラー化視覚変換器である。 提案手法は,デコーダアーキテクチャを置き換える効率的なアップサンプリング技術であるピクセルシャッフルを利用して,リアルタイムに画像のカラー化を行う。
  論文  参考訳（メタデータ） (2022-07-14T11:40:32Z)
• Image Colorization: A Survey and Dataset [94.59768013860668]
  本稿では,最先端の深層学習に基づく画像着色技術に関する包括的調査を行う。 既存の着色技法を7つのクラスに分類し、その性能を規定する重要な要因について論じる。 我々は既存のデータセットと提案した画像の両方を用いて、既存の画像のカラー化手法を広範囲に実験的に評価する。
  論文  参考訳（メタデータ） (2020-08-25T01:22:52Z)
• 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)

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。