文献

J-GLOBAL ID：201902275236813995   整理番号：19A0512329

ニューラルネットワークアンサンブルを用いたカラー化【JST・京大機械翻訳】

Colorization Using Neural Network Ensemble

著者 (3件)： Cheng Zezhou (Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China) ,  Yang Qingxiong (Department of Computer Science, City University of Hong Kong, Hong Kong) ,  Sheng Bin (Department of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 26  号： 11  ページ： 5491-5505  発行年： 2017年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,グレースケール画像をカラーバージョンに変換する,カラー化問題について検討した。これは困難な問題であり,通常,アーチファクトのない品質を達成するために手動調整を必要とする。例えば,それは通常,グレースケール目標画像上の人間標識カラースクリプトまたはカラー参照画像の注意深い選択を必要とする。最近の学習ベースのカラー化技術は,単一ニューラルネットワークを用いてグレースケール画像を自動的にカラー化する。異なるシーンは通常明確な色スタイルを持つので,単一ニューラルネットワークを用いて正確に色特性を捉えることは困難である。全体画像データセット内のサブカラースタイルの存在を表す混合学習モデルを提案した。したがって,構成ニューラルネットワークのみから得られるよりも,より良い色推定性能を得るためのアンサンブル多重ニューラルネットワークが得られる。2段階のカラー化戦略を,ニューラルネットワーク集合に続く適応色スタイルクラスタリングとして利用した。アーチファクトのない品質を保証するために,共同両側フィルタリングベースの後処理ステップを提案した。多数の実験は,この方法が最先端のアルゴリズムに匹敵する高品質の結果を生成することを実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  学習 ,  アルゴリズム ,  グレースケール ,  手動制御 ,  画像 ,  多重化 ,  アーチファクト ,  後処理 ,  フィルタリング ,  品質 ,  クラスタ化
準シソーラス用語： 高品質 ,  スクリプト ,  グレースケール画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： カラー