論文の概要: From Perception to Pixels: Human-Derived Visually Distinct Colors for Improved Dominant Color Extraction

• arxiv url: http://arxiv.org/abs/2610.32473v1
• Date: Fri, 23 Oct 2026 10:42:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.49816
• Title: From Perception to Pixels: Human-Derived Visually Distinct Colors for Improved Dominant Color Extraction
• Title（参考訳）: 知覚からレンズへ:優美な色抽出のための人為的な視覚的識別色
• Abstract要約: HCD(Human Color Dictionary)は、知覚実験に由来する。 HCDはRGB色ヒストグラムとK平均色抽出アルゴリズムに統合された。 独特に知覚された色数に有意な性別差はない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dominant color extraction is a fundamental task in computer vision, with applications in design, image retrieval, and content recommendation. However, conventional algorithms based on device-oriented color spaces (e.g., RGB) and fixed quantization often fail to capture how humans perceive color differences. In this study, we propose a human-perception-based framework for dominant color extraction, built on a novel Human Color Dictionary (HCD) derived from a perceptual experiment. Participants (n=110) were sequentially shown 120 colors and asked to identify those they perceived as unique. Based on their responses, we constructed a 120 by 120 co-occurrence matrix and applied a greedy selection algorithm to derive 64 perceptually distinct colors, forming the HCD. This dictionary was integrated into RGB color histogram and K-means color extraction algorithms by initializing centroids and mapping pixel values to their nearest perceptual color using the deltaE 00 distance. Evaluation on a dataset of 4,562 images paired with expert-designed palettes demonstrated that our method improves perceptual alignment, as measured by Earth Mover's Distance (EMD) and best-match distance. Our findings suggest no meaningful gender differences in the number of uniquely perceived colors, indicating that sex does not significantly influence color perception in this task. Another key finding is that highly saturated colors are perceived as the most distinguishable, whereas dark and deep colors tend to perceptually collapse and are less reliably differentiated. The results confirm that incorporating experimentally derived human color representations ensures the generated color clusters align more closely with human perception, thus improving the usability of color palette generation in practical applications.
• Abstract（参考訳）: 支配的な色抽出は、デザイン、画像検索、コンテンツレコメンデーションなど、コンピュータビジョンにおける基本的な課題である。 しかしながら、デバイス指向の色空間(例えば、RGB)と固定量子化に基づく従来のアルゴリズムは、人間が色の違いをどう知覚するかを捉えるのに失敗することが多い。 本研究では,知覚実験から派生した新しいヒト色辞書(HCD)上に構築した,支配的な色抽出のための人間の知覚に基づく枠組みを提案する。 参加者 (n=110) は120色を連続的に表示し, 独自と認識された人物の識別を依頼した。 反応に基づいて120×120の共起行列を構築し,64色を抽出し,HCDを作成した。 この辞書をRGB色ヒストグラムとK平均色抽出アルゴリズムに統合し, デルタE 00 距離を用いて, セントロイドを初期化し, 画素値を最も近い知覚色にマッピングした。 専門家が設計したパレットと組み合わせた4,562枚の画像のデータセットの評価により,Earth Mover's Distance(EMD)とベストマッチ距離によって測定された,知覚的アライメントの改善が示された。 本研究の結果,色数に有意な差は認められず,性別が色知覚に有意な影響を与えないことが示唆された。 もう一つの重要な発見は、高度に飽和した色が最も区別できると見なされるのに対して、暗く深い色は知覚的に崩壊し、信頼性が低い。 その結果、実験によって得られた色表現を取り入れることで、生成した色クラスターが人間の知覚とより密に一致し、実用的な用途におけるカラーパレット生成のユーザビリティを向上させることが確認された。

関連論文リスト

• Perceptual Color Difference Modeling Using Machine Learning and Human Similarity Judgments [0.0]
  本研究では,人間の評価に基づいて色差推定のためのデータ駆動手法について検討する。 我々は,2000の系統的な色対に対して類似性判定を行い,それぞれが4点順序尺度を用いて7人の観測者によって評価された。 これらの判断は、RGBチャンネル差、HSI差、COLIBRIファジィ言語カテゴリーなど、異なる色表現を用いた回帰モデルのトレーニングに使用される。
  論文  参考訳（メタデータ） (2026-09-30T07:01:39Z)
• Beyond Color Geometry: Evaluating Human-Like Color Representations in Vision Models [0.0]
  ヒトのサーベイデータに適合する86品位カテゴリーのファジィ知覚モデルに対する色接地の評価を行った。 11個のVision Transformerエンコーダで、カテゴリレベルの結果は広く似ているが、グレードのアライメントは大幅に異なる。 マスク付きオートエンコーダは、他のエンコーダと重複しない信頼区間を持つ、最強の測地線アライメントを達成する。
  論文  参考訳（メタデータ） (2026-07-15T09:47:26Z)
• COLIBRI Fuzzy Model: Color Linguistic-Based Representation and Interpretation [0.0]
  本稿では,人間の知覚に基づくファジィカラーモデル(COLIBRI)を導入し,計算色表現と人間の視覚知覚のギャップを埋める。 提案モデルはファジィ集合と論理を用いて色分類のためのフレームワークを作成する。 我々の発見は、デザイン、人工知能、マーケティング、人間とコンピュータの相互作用といった分野において重要である。
  論文  参考訳（メタデータ） (2025-07-15T17:01:45Z)
• ColorSense: A Study on Color Vision in Machine Visual Recognition [57.916512479603064]
  視覚認識ベンチマークから,前景や背景色ラベルの非自明なアノテーション110,000点を収集する。 色識別のレベルがマシン認識モデルの性能に与える影響を実証することにより、データセットの使用を検証した。 その結果,分類や局所化などの物体認識タスクは,色覚バイアスの影響を受けやすいことが示唆された。
  論文  参考訳（メタデータ） (2022-12-16T18:51:41Z)
• Name Your Colour For the Task: Artificially Discover Colour Naming via Colour Quantisation Transformer [62.75343115345667]
  そこで本研究では,色空間を定量化しつつ,画像上での認識を維持しつつ,色空間を定量化する新しい色量子化変換器CQFormerを提案する。 人工色システムと人間の言語における基本色用語との一貫性のある進化パターンを観察する。 我々のカラー量子化法は、画像記憶を効果的に圧縮する効率的な量子化法も提供する。
  論文  参考訳（メタデータ） (2022-12-07T03:39:18Z)
• Influence of Color Spaces for Deep Learning Image Colorization [2.3705923859070217]
  既存のカラー化手法は、RGB、YUV、Labなど、さまざまな色空間に依存している。 本章では,深層ニューラルネットワークのトレーニングによって得られる結果に対する影響について検討する。 RGB,YUV,Labの色空間と同一の深層ニューラルネットワークアーキテクチャを用いて得られた結果を比較した。
  論文  参考訳（メタデータ） (2022-04-06T14:14:07Z)
• Learning to Structure an Image with Few Colors [59.34619548026885]
  そこで,カラー量子化ネットワークであるColorCNNを提案する。 1ビットのカラースペース(すなわち2色)だけで、提案されたネットワークはCIFAR10データセット上で82.1%のトップ-1の精度を達成した。 アプリケーションの場合、PNGでエンコードされた場合、提案したカラー量子化は、極低ビットレート方式の他の画像圧縮方法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-17T17:56:15Z)

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。