論文の概要: Weak Segmentation-Guided GAN for~Realistic Color Edition

• arxiv url: http://arxiv.org/abs/2610.16620v1
• Date: Mon, 12 Oct 2026 11:36:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.365275
• Title: Weak Segmentation-Guided GAN for~Realistic Color Edition
• Title（参考訳）: 弱セグメンテーション誘導型GAN--リアリスティックカラー版
• Abstract要約: 識別可能なセグメンテーションモデルを利用した新しいGANアーキテクチャを提案する。 色を正確にコントロールしながらリアルに見える画像を生成する。
• 参考スコア（独自算出の注目度）: 0.8678413453147091
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Editing the color of images in a realistic way finds many applications such as changing the perception of an image, data augmentation or film post processing. The design of an automatic tool is a complex and long addressed challenge. In particular, two properties are difficult to meet altogether: generating realistic results without artifacts and the possibility to precisely choose the future color. Conventional methods using segmentation and histogram matching maximize the controllability but also introduce a lack of realism or are complex to automate. On the contrary, GANs that specialize in realism are difficult to control. To overcome these challenges, we propose a novel GAN architecture leveraging any differentiable segmentation model. We demonstrate the genericness of our framework that presents state of the art results on different use cases. It generates images that look realistic while offering a precise color control.
• Abstract（参考訳）: 画像の色をリアルな方法で編集すると、画像の知覚の変化、データ拡張、フィルムポスト処理など、多くの応用が見つかる。 自動ツールの設計は複雑で長期にわたる課題である。 特に、アーティファクトなしで現実的な結果を生成することと、将来の色を正確に選択する可能性の2つの性質は、完全には満たせない。 セグメンテーションとヒストグラムマッチングを用いた従来の手法は、制御可能性の最大化だけでなく、リアリズムの欠如や自動化の複雑化ももたらしている。 逆に現実主義を専門とするGANは制御が難しい。 これらの課題を克服するために, 識別可能なセグメンテーションモデルを利用した新しいGANアーキテクチャを提案する。 我々は、異なるユースケースにおける最先端の結果を示すフレームワークの汎用性を実証する。 色を正確にコントロールしながらリアルに見える画像を生成する。

関連論文リスト

• 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)
• IntrinsicEdit: Precise generative image manipulation in intrinsic space [53.404235331886255]
  そこで本研究では,固有画像空間で動作する汎用的生成ワークフローを提案する。 我々はアイデンティティの保存と内在チャネルの絡み合いの鍵となる課題に対処する。 我々は,グローバル照明効果の自動分解による高精度かつ効率的な編集を可能にする。
  論文  参考訳（メタデータ） (2025-05-13T18:24:15Z)
• DreamColour: Controllable Video Colour Editing without Training [80.90808879991182]
  直感的なインタフェースにより、正確な映像色編集を可能にする訓練不要のフレームワークを提案する。 色編集の空間的側面と時間的側面を分離することにより、ユーザの自然なワークフローをより良く整合させることができる。 当社のアプローチは、トレーニングや特別なハードウェアの必要性を排除しつつ、最先端の手法に適合または超越しています。
  論文  参考訳（メタデータ） (2024-12-06T16:57:54Z)
• Transforming Color: A Novel Image Colorization Method [8.041659727964305]
  本稿では,色変換器とGANを用いた画像カラー化手法を提案する。 提案手法は,グローバルな情報を取得するためのトランスフォーマーアーキテクチャと,視覚的品質を改善するためのGANフレームワークを統合する。 実験の結果,提案するネットワークは,他の最先端のカラー化技術よりも優れていた。
  論文  参考訳（メタデータ） (2024-10-07T07:23:42Z)
• Structure-Guided Image Completion with Image-level and Object-level Semantic Discriminators [97.12135238534628]
  複雑な意味論やオブジェクトの生成を改善するために,セマンティック・ディミネータとオブジェクトレベル・ディミネータからなる学習パラダイムを提案する。 特に、セマンティック・ディミネーターは、事前学習された視覚的特徴を利用して、生成された視覚概念の現実性を改善する。 提案手法は, 生成品質を著しく向上させ, 各種タスクの最先端化を実現する。
  論文  参考訳（メタデータ） (2022-12-13T01:36:56Z)

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。