基于颜色组合的图像色彩转移以唤起不同情绪
通过模糊集合的方法,本研究介绍了一种新颖的方法来分类艺术中的情感。我们使用模糊方法来对情感进行分类,因为它与人类判断的不精确和主观的特性相契合。通过提取与特定情感相关联的模糊主导颜色,将这些颜色转化为扑朔领域,得到基于颜色 - 情感关联的知识库。研究结果显示了特定情感与颜色之间的强烈关联,例如,感激之情与绿色、棕色和橙色强相关。该研究为艺术领域中颜色 - 情感关联的理论理解作出了贡献,并为市场营销、设计和心理学等各种实际应用提供了有价值的见解。
Nov, 2023
自动生成新的调色方案的调色迁移方法,通过重新设计的基于调色板的聚类方法和基于深度学习的图像分割的结合,实现了前景和背景部分的独立调色迁移,同时保持语义一致性。实验结果表明,该方法在自然逼真度、颜色一致性、普适性和鲁棒性等方面优于同类方法。
May, 2024
我们提出了一种量化评估所有感知对颜色的反应的方法:不同颜色偏好、颜色和谐以及颜色组合偏好。我们的模型通过模糊相似性和分组的比较算法提取出了和谐的调色板,可用于对多彩图像的和谐和偏好进行有用的预测。在服装协调背景下,我们的方法可以根据服装颜色预测个人的喜好。
Aug, 2023
本文提出了一种将图像颜色转换到地形模型中的方法,通过离散不规则颜色的连续规律处理、定量化了颜色的相似性与美学质量,接着将图像至地形颜色转换提出为双目标优化问题,最终证明了这种方法可以更好地实现情感传递。
May, 2022
本研究调查了预训练的多模态模型 CLIP 在识别抽象视觉艺术所引发的情感方面的认知合理性。我们使用包含带有情感标签和人类注释员提供的文本证明的图像的数据集进行研究。我们对证明进行语言分析,对图像和证明进行零 - shot 情感分类,并应用基于相似度的情感预测,研究颜色 - 情感交互作用。在识别抽象图像和证明的情感方面,CLIP 的准确度相对较低,但高于基准水平,这表明 CLIP 以一种与人类认知过程不太一致的方式解码情感复杂性。此外,我们还探究了图像和证明中的颜色 - 情感交互作用。预期的颜色 - 情感联系(例如,红色与愤怒有关)在图像和通过人类和 CLIP 注释的文本中得到了确认,后者展示出更强的交互作用。我们的结果凸显了连接图像特征和情感时人类处理与机器处理之间的差异。
May, 2024
本文提供具有新颖性的英文 Reddit 帖子语料库,研究多模式社交媒体上图文情感信息的互补性,发现对于某些情感信息如愤怒和悲伤,多模式模型可以更好地预测;而对于某些信息如恶心、喜悦和惊讶,仅以文本信息便足够预测。
Feb, 2022
我们提出了一个自动上色的框架,具有迭代编辑和修改的能力,并利用一个想象模块通过理解灰度图像中的内容,利用预训练图像生成模型生成包含相同内容的多个图像用于上色参考,模仿人类专家的过程;我们使用参考修正模块来选择最佳的参考合成;与大多数现有的自动上色算法不同,我们的框架允许对上色结果进行迭代和局部修改,因为我们明确地对上色样本进行建模;大量实验证明了我们的框架在可编辑性和灵活性方面优于现有的自动上色算法。
Apr, 2024
我们提出了一种多模态蒙版颜色模型,整合了色彩和文本上下文,为图形文档提供了文本感知的颜色推荐。实验证明,我们的方法在准确性、色彩分布、用户体验等方面优于以往的颜色调色板补全方法,以及与真实调色板相似度及色彩多样性方面超过以往的全调色板生成方法。
Aug, 2023