論文の概要: PREEN: Exemplar-Based Color Style Transfer with Smartphone Editor Presets

• arxiv url: http://arxiv.org/abs/2610.36896v1
• Date: Tue, 27 Oct 2026 09:30:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.554787
• Title: PREEN: Exemplar-Based Color Style Transfer with Smartphone Editor Presets
• Title（参考訳）: PreEN: スマートフォン・エディタ・プリセットによるカラー・スタイル・トランスファー
• Abstract要約: PreENは、決定論的画像エディタの29のパラメータに回帰としてカラースタイルの転送をキャストする。 Presetはコンパクトで、デバイス上の低レイテンシで予測される。 2軸の人間による研究によると、ラッカーは参照を一致させるために鮮やかな端を好むが、デフォルトはスタンドアロンの写真である。
• 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: We present PREEN (Preset Regression via an Exemplar-based Editor Network), which casts color style transfer as regression onto the 29 parameters of a deterministic image editor. Given a content image and a style reference, PREEN predicts a preset, a vector of editor slider values that is interpretable and editor-consumable, not a raster image. The key obstacle is supervision, since an arbitrary real reference lacks a preset ground truth. We therefore supervise with a style-transfer teacher, whose target looks we invert into the editor's parameter space as pseudo-presets, then pretrain a CLIP-conditioned regressor and refine it with LoRA under an image-level CIELAB loss. On the human-curated PST50 benchmark, PREEN applies the reference's color while preserving structural fidelity, leading the baselines on pixel- and perceptual-fidelity metrics. The preset is compact and predicted at sub-second on-device latency. The low-dimensional subspace also exposes a single inference-time strength knob that traces a continuous default-to-vivid trajectory in one forward pass, with every intermediate state a valid editor preset. A two-axis human study shows that raters prefer the vivid end for matching the reference but the default as a standalone photo, a trade-off the knob spans without retraining.
• Abstract（参考訳）: 本稿では、決定論的画像エディタの29パラメータに色調変換をレグレッションとしてキャストするPreset Regression(Exemplar-based Editor Network)を提案する。 コンテンツ画像とスタイル参照が与えられた場合、PreENは、ラスタ画像ではなく、解釈可能で、エディタ消費可能なエディタスライダ値のベクトルであるプリセットを予測する。 任意の実参照は、前提真理を予め設定していないため、鍵となる障害は監督である。 そこで我々は,エディタのパラメータ空間を擬似プリセットとして逆転させて,CLIP条件付き回帰器を事前訓練し,イメージレベルのCIELAB損失下でLoRAで洗練するスタイル伝達教師を指導する。 人によるPST50ベンチマークでは、PreENは、構造的忠実性を維持しながら参照の色を適用し、ピクセルと知覚的忠実度メトリクスの基準線を導いた。 プリセットはコンパクトで、デバイス上のサブ秒のレイテンシで予測される。 低次元部分空間はまた、1つのフォワードパスにおいて連続的なデフォルトから生存までの軌道を辿る単一の推論時強度ノブを露呈し、すべての中間状態が有効なエディタプリセットである。 2軸の人間による研究によると、ラッカーは参照を一致させるために鮮明な端を好むが、デフォルトはスタンドアロンの写真として、ノブのトレードオフは再トレーニングなしで広がる。

関連論文リスト

• DepState-JEPA: Learning Depth-Grounded State Representation for Visual Perception and Manipulation [62.45396273205824]
  DepState-JEPAはデュアルストリームのRGB-Depth共同埋め込み予測アーキテクチャである。 空間的理解と行動条件付き予測を共有潜在状態であるDepStateを通じて接続する。 レイコンディショニングされた読み出しは、ターゲットの深さのない局所的な特徴を予測し、アクションコンディショニングされた遷移の後、同じデコーダが将来のRGBと深さの特徴を予測する。
  論文  参考訳（メタデータ） (2026-10-21T05:51:06Z)
• Retrieval-Augmented Generation-Based Color Restoration for Low-Light Image Enhancement [0.0]
  我々は、カラー復元を独立したサブプロブレムとして再キャストし、検索強化世代(RAG)上に構築された汎用後処理モジュールとして認識した。 i) 中間VGG19特徴に基づいて構築されたデュアルインデックスFAISSレトリバー、(ii) グローバル平均および分散統計によるテクスチャ的および構造的類似性を捉え、(ii) グローバルSPHistAdaINは、グローバルカラーベクトルへの参照空間保存色ヒストグラムを減少させ、適応インスタンス正規化によりネットワーク特徴を変調し、(iii) フロントエンド出力に対する色補正を予測する残留定式化である。
  論文  参考訳（メタデータ） (2026-08-08T16:12:12Z)
• EditCLEVR: A Paired-Scene Intervention Benchmark for Compositional Faithfulness of Object-Centric Representations [0.0]
  対象中心学習のためのペア・シーン介入ベンチマークであるEditCLEVRを紹介する。 それぞれの例には、同じオブジェクトインデックスとシーンレイアウトを持つ、前/後対のレンダリングが含まれている。 これには、既知の1つのオブジェクトに対する、正確に1つの既知の変更属性と、ドリフト測定のためのno-edit re-renderが含まれる。
  論文  参考訳（メタデータ） (2026-07-19T16:11:43Z)
• From RGB Generation to Dense Field Readout: Pixel-Space Dense Prediction with Text-to-Image Models [11.867302372573505]
  重み付け予測は,出力インターフェースを継承することなく,生成事前学習の恩恵を受けられることを示す。 一致した4B設定では、編集+遅延復号化よりも2.48倍高速で2.48倍の精度で、出力インターフェースを継承することなく、生成前トレーニングの恩恵を受けることができる。
  論文  参考訳（メタデータ） (2026-07-07T17:54:28Z)
• Edit the Bits, Diff the Codes: Bitwise Residual Editing for Visual Autoregressive Models [85.59447229497101]
  BitResEditは、Infinityのようなビットワイズ残留VARジェネレータのためのトレーニング不要のエディタである。 ソース-負のガイダンスは、共有編集プレフィックスで計算されたソース-ターゲットコントラストに沿って、ビットごとのポストCFGログ-oddを傾けることで実行される。 サンプルされたビットをスケールごとの連続コード残基に変換し、ローカライゼーションマスクでゲートし、ジェネレータのネイティブサム・オブ・スケールを通じて再注入する。
  論文  参考訳（メタデータ） (2026-06-11T16:41:25Z)
• Consistent-Inversion: Reverse Consistency Guidance for Structure-Preserving Visual Editing [41.38183848746174]
  Consistent-Inversionは、構造保存ビジュアル編集のためのトレーニング不要の逆整合ガイダンスフレームワークである。 SD3.5プロトコルを統一したプロトコルで、ターゲット・プロンプトアライメントを維持しながら、背景および構造的忠実性を改善する。
  論文  参考訳（メタデータ） (2026-06-05T11:00:12Z)
• From Editor to Dense Geometry Estimator [77.21804448599009]
  密度幾何予測のための拡散変換器(DiT)アーキテクチャに基づく高度な編集モデルを適用するフレームワークである textbfFE2E を紹介する。 FE2EはETH3Dデータセットで35%以上のパフォーマンス向上を実現し、100$times$データでトレーニングされたDepthAnythingシリーズを上回っている。
  論文  参考訳（メタデータ） (2025-09-04T15:58:50Z)
• RePre: Improving Self-Supervised Vision Transformer with Reconstructive Pre-training [80.44284270879028]
  本稿では,Reconstructive Pre-Training (RePre) を用いて,局所特徴学習を自己教師型視覚変換器に組み込む。 我々のRePreは、既存のコントラストの目的と平行して生画像のピクセルを再構成するブランチを追加することで、コントラストのフレームワークを拡張します。
  論文  参考訳（メタデータ） (2022-01-18T10:24:58Z)

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。