- 人类感知和视觉颜色差异的色彩模型比较分析
本研究通过对 RGB、HSV、HSL、XYZ、CIELAB 和 CIELUV 等多种颜色模型进行比较分析,评估它们在准确反映人类感知颜色方面的有效性,从而评价它们在准确反映视觉颜色差异和与人眼兼容的主导调色板提取方面的能力,以便应用于图像处 - mChartQA:基於視覺語言對齊和推理的跨模態圖表問答通用基準
该论文介绍了一种新颖的多模态图表问答模型,专门设计用于处理复杂的多模态任务,通过融合视觉和语言处理,克服了传统方法的局限性,采用双阶段训练方法,在处理色彩、结构和无文字图表问题方面表现出优异性能。
- 超越骨骼:一体化潜像映射的连贯 4D 序列生成
提出了一种新框架,能够根据给定条件下低维空间中的形状和颜色信息的动态演化,生成连贯的 4D 序列。实验证明,该方法在生成具有颜色和 4D 网格动画的高质量 3D 形状方面具有显著优势。
- Gnuastro: 色彩图像的完整动态范围可视化
多波长天文图像的颜色在可视化、解释和分析中起着关键作用,然而生成准确表达天文源完整动态范围的彩色图像具有一定挑战性,本研究通过非线性转换方法成功将亮度较高的像素赋予 8 位 RGB(红 - 绿 - 蓝)值,而较暗的像素通过反向灰度显示,从而 - 艺术中的颜色 - 情绪关联:模糊方法
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 - 低秩适应的连续学习
本文主要研究了基于预训练转换器的领域增量学习问题,在课题涉及的下游数据上,该方法表现出了令人印象深刻的性能,但当数据特征发生变化时,性能会下降;通过研究 Low Rank Adaptation(LoRA)在领域增量学习中的适用性,我们的基于 - 低光图像增强的联合校正与优化
一种名为 JCRNet 的新型结构被提出,可更有效地平衡亮度,颜色和照明。该方法通过三个阶段来增强亮度,颜色和照明,并在低光图像增强任务中显示出明显的综合性能优势。
- 色彩美学:基于模糊逻辑用户驱动的协调与偏好预测方法
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 - 彩色神经隐性曲面重建
本文主要研究目标是在计算机视觉中从多视图图像或单目视频中重建物体表面,作者通过将网格结构与颜色相结合的方式,在去除视角相关颜色的同时通过重新照明网络保持体积渲染性能,通过有向距离函数网络提取表面的网格,并从全局颜色网络获取每个表面顶点的颜色 - 结构化信号博弈中的实用推理
在本文中,我们介绍了一种结构化信号博弈,一种在上下文中意义之间具有相似性结构的经典信号博弈的扩展形式,以及一种我们称之为结构化 RSA(sRSA)的 Rational Speech Act(RSA)框架变体,用于结构化领域中的信息推理。我们 - 基于边缘感知的图像颜色外观与差异建模
本文通过评估传统色彩模型对复杂图像的适应性并提出机制来改善其性能,发现在有边缘感知的情况下应用对比敏感性函数和局部适应规则可以提高图像差异预测。
- CVPR可控认知因素的交互式卡通化
该研究提出了一种新的卡通化方法,利用纹理和颜色分离的解码器来实现编辑功能并控制生成多样的卡通风格,相比之前的基于端到端翻译的方法在推理时具有更好的品质表现。
- ECCVCNN 生成图片检测的可转移取证特征发现
本研究使用新型的全能检测器,发现颜色是全能检测器中具有可转移法证特征的重要因素。
- ECCV形状、质感和颜色在视觉识别中的贡献
本文研究了人类视觉系统(HVS)的三个重要特征(形状,纹理和颜色)对物体分类的贡献,构建了一个人形视觉引擎(HVE),分别从图像中计算形状,纹理和颜色特征,然后将特征向量连接以支持最终分类,并利用 HVE 总结和排序三个特性对目标识别的贡献 - 语言模型是否能够在没有基于所见的情况下编码感知结构?以颜色为例的案例研究
本文通过使用预先训练的语言模型,对颜色的结构性关系进行研究,发现在理解色彩的感知结构方面,较为温暖的颜色比较接近于感知颜色空间。
- CVPRTextureGAN:使用纹理贴片控制深度图像合成
本文介绍了一种通过草图、颜色和纹理生成深层次图像的方法。通过引入纹理控制来实现用户对输出纹理的控制,我们的生成网络可以学习到如何根据用户的纹理想法生成与之一致的对象,并且在实验中得到了验证。
- CVPR几何计算辅助的材料识别
本研究旨在以图像和几何信息为基础来识别材料类别。我们提出了一个新的数据集来研究如何使用 3D 几何信息和 2D 特征来提高材料分类的准确性,并且结果表明联合和独立地使用 2D 和 3D 特征来模拟材料可以提高材料分类的准确性。
- ICML使用文本和像素突出显示单词的视觉化文本模型
本文探讨了两种使用颜色来理解文本模型的技术,一种方法是使用文字注释来说明模型对特定文档中特定标记的理解,另一种方法是使用高级的 “像素化文字” 图形来展示整个文集。这些方法一起提供了模型对文本理解的缩小和放大的视角。我们展示了这些相互关联的 - 使用卷积神经网络进行单个和多个光源估计
本文提出了一种用于估计 RAW 图像中光源颜色的方法,包括一个使用特定设计的卷积神经网络来产生多个局部估计值的过程以及多光源检测器,用于决定网络的本地输出是聚合成单个估计值还是保持多个估计值。在标准数据集上进行实验,得到了与其他通用方法相比