論文の概要: EventSeeColor: Learning to Reconstruct Color from Monochrome Events
- arxiv url: http://arxiv.org/abs/2610.40166v1
- Date: Thu, 29 Oct 2026 14:38:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-01 01:32:10.098513
- Title: EventSeeColor: Learning to Reconstruct Color from Monochrome Events
- Title（参考訳）: EventSeeColor: モノクロイベントから色を再構築する学習
- Abstract要約: イベントカメラは、困難な照明条件下での視覚的明るさの変化を捉えます。
伝統的なイベントベースの画像再構成は、グレースケールの強度を目標とし、シーンカラーなしで画像を生成する。
EventSeeColorは、イベント再構成されたグレースケールとアライメントされたイベントを使用して、拡散着色剤を共同でガイドする。
- 参考スコア（独自算出の注目度）: 17.261295523325433
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Event cameras capture visual brightness changes under challenging lighting conditions. However, traditional event-based image reconstruction targets grayscale intensity and produces images without scene color. Color distinguishes surfaces with similar intensity. Reconstructing color from events can reveal appearance differences that reconstructed grayscale images cannot express. Although monochrome event cameras do not directly measure color, their event-triggering patterns depend on surface reflectance, illumination, and the sensor's spectral response. These patterns may contain cues that support color reconstruction. In this paper, we present EventSeeColor, which uses event-reconstructed grayscale and aligned events to jointly guide a diffusion colorizer. Grayscale-derived semantic context supports color inference, while region-balanced chroma supervision and local RGB refinement improve color distribution, brightness, and texture. In the combined evaluation on two real event datasets, EventSeeColor achieves the best structural similarity, learned perceptual scores, and chromatic-region color difference among the external methods.
- Abstract（参考訳）: イベントカメラは、困難な照明条件下での視覚的明るさの変化を捉えます。
しかし、伝統的なイベントベースの画像再構成は、グレースケールの強度を目標とし、シーンカラーのない画像を生成する。
色は、同じ強度の面を区別する。
イベントから色を再構成すると、グレースケールの画像が表現できない外観の違いが明らかになる。
モノクロのイベントカメラは直接色を測定することはないが、そのイベントトリガーパターンは表面反射率、照明、センサーのスペクトル応答に依存する。
これらのパターンは、色再現をサポートする手がかりを含んでいるかもしれない。
本稿では、イベント再構成されたグレースケールとアライメントされたイベントを用いて拡散着色剤を共同で誘導するEventSeeColorを提案する。
グレースケール由来のセマンティックコンテキストは色推論をサポートし、リージョンバランスのクロマ監督と局所的なRGB改善は色分布、明るさ、テクスチャを改善している。
EventSeeColorは2つの実イベントデータセットの複合評価において、最も優れた構造的類似性、学習された知覚スコア、および外部メソッド間の色域色差を実現している。
関連論文リスト
- Beyond Fixed Luminance: Towards Panchromatic and Orthochromatic Image Colorization [29.03876036090772]
フルRGB画像編集としてカラー化を定式化する輝度非依存のカラー化フレームワークを提案する。
COCO, ImageNet, およびマルチインスタンスベンチマーク実験により, 本手法は標準グレースケール入力と競合することを示した。
論文 参考訳（メタデータ） (2026-08-11T11:12:24Z) - Recolour What Matters: Region-Aware Colour Editing via Token-Level Diffusion [43.72039047537043]
カラーは、イメージ生成において最も知覚的に健全だが最小限の制御可能な属性の1つである。
ColourCrafterは、色編集をグローバルトーン転送から構造化された地域対応生成プロセスに変換する。
ColourfulSetは、連続的および多彩なカラーバリエーションを備えた、高品質な画像ペアの大規模なデータセットです。
論文 参考訳（メタデータ） (2026-03-19T03:53:38Z) - Controllable-Continuous Color Editing in Diffusion Model via Color Mapping [73.62340517056619]
テキスト埋め込み空間と画像RGB値との対応性を明示的にモデル化するカラーマッピングモジュールを提案する。
ユーザーはターゲットのRGB範囲を指定することで、所望の範囲内で連続的な色の変化のある画像を生成することができる。
実験により,色の連続性と可制御性の観点から,本手法が良好に動作することを示した。
論文 参考訳（メタデータ） (2025-09-17T07:12:51Z) - HVI-CIDNet+: Beyond Extreme Darkness for Low-Light Image Enhancement [56.02740727422916]
低光画像強調(LLIE)は、劣化した低光画像から鮮明なコンテンツと詳細を復元することを目的としている。
既存の標準RGB(sRGB)カラースペースベースのLLIE法は、しばしば色バイアスと明るさのアーチファクトを生成する。
HV色マップと学習可能な強度によって定義されるLLIEの新しい色空間を提案する。
HVI-CIDNet+はHVI色空間上に構築されており、損傷したコンテンツを復元し、極暗い領域における色歪みを軽減する。
論文 参考訳（メタデータ） (2025-07-09T13:03:34Z) - ISPDiffuser: Learning RAW-to-sRGB Mappings with Texture-Aware Diffusion Models and Histogram-Guided Color Consistency [32.05482995863444]
RAW-to-sRGBマッピングは、スマートフォンセンサーが捉えた生データから、DSLR品質のsRGB画像を生成することを目的としている。
ISPDiffuserは、RAW-to-sRGBマッピングをグレースケール空間の詳細な再構成に分離する拡散ベースのフレームワークである。
ISPDiffuserは、最先端の競合製品よりも量的にも視覚的にも優れている。
論文 参考訳（メタデータ） (2025-03-25T02:29:39Z) - GCC: Generative Color Constancy via Diffusing a Color Checker [10.283908511005176]
本稿では,カラーチェッカーをカラーチェッカーに塗布した拡散モデルを用いて照明推定を行うGCCを提案する。
主なイノベーションは,(1)シーン照明を反映したカラーチェッカーを描画する単一ステップ決定論的推論手法,(2)照明に依存したカラー適応を許容しつつ構造を保存するラプラシアン分解手法,(3)カラーチェッカーアノテーションを扱うためのマスクベースのデータ拡張戦略である。
論文 参考訳（メタデータ） (2025-02-24T18:59:54Z) - Revisiting Event-based Video Frame Interpolation [49.27404719898305]
ダイナミックビジョンセンサーやイベントカメラは、ビデオフレームに豊富な補完情報を提供する。
イベントからの光の流れを推定することは、RGB情報より間違いなく困難である。
イベントベースの中間フレーム合成を複数の単純化段階において漸進的に行う分割・対数戦略を提案する。
論文 参考訳（メタデータ） (2023-07-24T06:51:07Z) - MIMT: Multi-Illuminant Color Constancy via Multi-Task Local Surface and
Light Color Learning [42.72878256074646]
単一入力画像における複数の光色を割引するマルチタスク学習手法を提案する。
複数の光色条件下で局所的な表面/光色をより正確に表現するために,我々は新しいマルチタスク学習フレームワークを設計する。
本モデルでは,マルチイルミナントデータセット上で,最先端のマルチイルミナントカラーコンステンシー法と比較して47.1%の改善を実現している。
論文 参考訳（メタデータ） (2022-11-16T09:00:20Z) - Detecting Recolored Image by Spatial Correlation [60.08643417333974]
画像のリカラー化は、画像の色値を操作して新しいスタイルを与える、新たな編集技術である。
本稿では,空間相関の観点から,従来型と深層学習による再色検出の汎用的検出能力を示す解を探索する。
提案手法は,複数のベンチマークデータセット上での最先端検出精度を実現し,未知の種類の再色法を適切に一般化する。
論文 参考訳（メタデータ） (2022-04-23T01:54:06Z) - Matching Neuromorphic Events and Color Images via Adversarial Learning [49.447580124957966]
本稿では,イベントベース画像検索(EBIR)問題を提案する。
ニューロモルフィックイベント・カラー画像特徴学習(ECFL)によるEBIR問題に対処する。
また,EBIR問題の発展を促進するため,コミュニティN-UKbenchとEC180データセットにも貢献する。
論文 参考訳（メタデータ） (2020-03-02T02:48:56Z)
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。