論文の概要: The Skin-Restricted Reinhard Transform:Uniqueness under a Lightness-Preserving Constraint
- arxiv url: http://arxiv.org/abs/2609.28424v1
- Date: Wed, 23 Sep 2026 17:27:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:18.132055
- Title: The Skin-Restricted Reinhard Transform:Uniqueness under a Lightness-Preserving Constraint
- Title（参考訳）: 皮膚拘束型ラインハルト変換:光の保存制約下での特異性
- Abstract要約: 本稿では,スキンリミテッドラインハルト変換を用いた補正法について述べる。
これはCIE Labの対角アフィンマップであり、明るさを変換し、色平均と一致し、色調の利得を[0.72, 1.18]にクランプし、各チャネルの中央84%のモーメントを捉えている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Catalog skin recolouring has to change pigment and leave shading alone. The classical Reinhard map does not make that split: it rescales lightness by the ratio of standard deviations, and a flat reference swatch therefore flattens the limb. This paper formalises the correction used in our pipeline, the skin-restricted Reinhard transform. It is the diagonal affine map in CIE Lab that translates lightness, matches the chromatic mean, and clamps the chromatic gain to [0.72, 1.18], with moments taken on the central 84% of each channel. A diagonal affine map has six real parameters. The shading constraint forces the lightness gain to +1 and the lightness shift to the difference of means; one-dimensional quadratic optimal transport on each chromatic axis, followed by Euclidean projection onto the gain interval, fixes the other four. Inside that family the four conditions determine every parameter. The content of the result is the forced lightness gain; it is not a uniqueness claim outside the diagonal affine class. For Gaussian marginals the chromatic step is not merely the best affine map: it is the unrestricted Wasserstein-2 map. The same formulae with trimmed moments remain optimal because a positive affine image commutes with quantile trimming. On hands, arms, legs, and feet of nine photographs and three reference tones, the map keeps the lightness contrast ratio at 0.974 +/- 0.029 with chromatic error 0.77 CIE Lab units. Reinhard matching, the linear Monge map, and histogram matching reach a smaller chromatic error only by cutting lightness contrast to about half.
- Abstract（参考訳）: カタログスキンの除去は顔料を変え、陰影だけを残しなければならない。
古典的なラインハルト写像は、標準偏差の比で光度を再スケールし、したがって平らな参照スウォッチは手足を平らにする。
本稿では,スキンリミテッドラインハルト変換を用いた補正法について述べる。
これはCIE Labの対角アフィンマップであり、明るさを変換し、色平均と一致し、色調の利得を[0.72, 1.18]にクランプし、各チャネルの中央84%のモーメントを捉えている。
対角アフィン写像は6つの実パラメータを持つ。
シェーディング制約は、光度ゲインを+1に、光度を手段の差にシフトさせ、各色軸上の1次元2次最適輸送と、利得間隔へのユークリッド射出と、他の4つを固定する。
その家族の中では、4つの条件が全てのパラメータを決定する。
結果の内容は強制的な光度ゲインであり、対角アフィン類以外の一意性クレームではない。
ガウスの辺辺に対して、彩色ステップは単に最良のアフィン写像ではなく、制限のないワッサーシュタイン-2写像である。
正のアフィン像が量子トリミングで通勤するため、トリミングモーメントを持つ同じ公式は最適のままである。
手、腕、足、足、9枚の写真、3つの基準音の地図では、明るさのコントラスト比は0.974 +/- 0.029であり、色誤差は0.77 CIE Lab単位である。
ラインハルトマッチング、線形モンジュマップ、ヒストグラムマッチングは、約半分と対照的な明度を切ることでのみ、より小さな色誤差に達する。
関連論文リスト
- Geometry-Driven Shadow Harmonisation for Composited Faces: A Multiplicative, Albedo-Preserving Relighting Pipeline [0.0]
フェイススワッピングパイプラインは、幾何学的に整列するが、測光的に不明瞭な顔を生成する。
現存するほとんどの治療薬は、色移動、神経リライト、あるいは逆光を通して顔を再合成するので、同一性、肌のトーン、テクスチャを変化させるリスクがある。
我々は、幾何駆動型フォームシャドウインジェクションのレンダリングという保守的な方法を提案する。
論文 参考訳（メタデータ） (2026-09-15T18:47:05Z) - Leaf Values as Coordinates: Exact Contrastive Explanation for Gradient-Boosted Ensembles [0.0]
勾配ブーストされたアンサンブルは、木ごとの葉の値の1つを和らげて予測する。
各インスタンスはRMの点となり、モデルが線形に振る舞う。
その推奨は、モデル自身の決定を6.2 x 10-15に再構成する。
論文 参考訳（メタデータ） (2026-08-19T17:20:33Z) - Explaining AI-Image Detection: What the Heatmap Actually Shows [65.01025489527173]
私たちは検出器を構築し、その証拠として属性マップを添付します。
私たちは、そのペアがコントロール下の186,527のイメージにもたらすものを測定します。
属性ランキングが存在するかどうかは、検出器が画像に反応するかどうかに依存する。
論文 参考訳（メタデータ） (2026-07-31T16:07:05Z) - Chroma-gated, differentiable OKLCH interpolation: Continuous Oklab fallback for color-cast reduction [0.0]
オクラブ色空間の円筒形(明度、彩色、色相)であるOKCHは、中性軸付近で色を呈する。
既存の治療法は2つある。
1つのゲートは、2つの値を持つ家族が未処理に残した(1)のキャストを減少させる。
論文 参考訳（メタデータ） (2026-06-13T15:30:50Z) - Zeta: Dual Whitening for Matrix Optimization via Coordinate-Adaptive Preconditioning [56.24532075189964]
我々は、厳密に順序付けられたパイプラインで座標白化とスペクトル白化を施した二重白化であるゼータを提案する。
我々はZetaが言語モデリング(0.6Bから8Bパラメータ)、Mix-of-expertsアーキテクチャ、ビジョンタスクにまたがる強力なベースラインに適合しているか、あるいは超越していることを証明する。
論文 参考訳（メタデータ） (2026-06-12T07:10:17Z) - Why Colors Make Clustering Harder:Global Integrality Gaps, the Price of Fairness, and Color-Coupled Algorithms in Chromatic Correlation Clustering [6.908972852063454]
相関クラスタリング(CCC)は、エッジにセマンティックカラーを割り当て、各クラスタが単一のカラーラベルを受け取る必要があることによって、相関クラスタリングを拡張する。
我々は、このギャップを困難の原因であるクロスエッジ色干渉を分離することによって説明する。
色が候補クラスタの色と一致しない中性エッジは、標準CCを欠いた既約コストを生み出す。
極端インスタンス、実マルチレルネットワーク、公平性ベンチマークの実験は、この理論を検証する。
論文 参考訳（メタデータ） (2026-04-17T06:25:37Z) - Diversity Is All You Need for Contrastive Learning: Spectral Bounds on Gradient Magnitudes [4.873362301533824]
我々は、アライメント、温度、バッチスペクトルによって正方形InfoNCE勾配ノルムを束縛する非漸近スペクトルバンドを導出する。
In-batch Whiteningは等方性を促進し、(1.37時間)50ステップの勾配分散を減少させる
論文 参考訳（メタデータ） (2025-10-07T10:35:58Z) - Spectral Feature Augmentation for Graph Contrastive Learning and Beyond [64.78221638149276]
グラフ(および画像)におけるコントラスト学習のための新しいスペクトル特徴論法を提案する。
各データビューに対して,特徴写像毎の低ランク近似を推定し,その近似を地図から抽出して補数を求める。
これは、2つの価値ある副産物(単に1つまたは2つのイテレーション)を楽しむ非標準パワーレジームである、ここで提案された不完全パワーイテレーションによって達成される。
グラフ/画像データセットの実験では、スペクトルフィーチャの増大がベースラインを上回ります。
論文 参考訳（メタデータ） (2022-12-02T08:48:11Z) - Carath\'eodory Sampling for Stochastic Gradient Descent [79.55586575988292]
本稿では,Tchakaloff と Carath'eodory の古典的な結果から着想を得た手法を提案する。
我々は、測定値の低減を行う降下ステップを適応的に選択する。
これをBlock Coordinate Descentと組み合わせることで、測定の削減を極めて安価に行えるようにします。
論文 参考訳（メタデータ） (2020-06-02T17:52:59Z) - Deep White-Balance Editing [50.08927449718674]
カメラは、その集積信号プロセッサ(ISP)によってレンダリングされるセンサーイメージを、標準のRGB(sRGB)カラースペースエンコーディングにキャプチャする。
近年の[3]による研究では,ISPの非線形レンダリングのため,誤ったホワイトバランスでレンダリングされたsRGB画像を容易に修正できないことが示されている。
我々は,この問題を解決するために,エンドツーエンドでトレーニングしたディープニューラルネットワーク(DNN)アーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-04-03T03:18:42Z)
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。