Wykorzystanie głębokich sieci neuronowych w automatycznej koloryzacji sekwencji wizyjnych

• Autorzy: Protasiuk, R.

Warianty tytułu

EN

Applications of deep neural networks for automatic video colorization

• Konferencja: Krajowa Konferencja Radiokomunikacji, Radiofonii i Telewizji (20-22.06.2018 ; Gdańsk, Polska)
• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia przegląd najnowszych metod koloryzacji czarno-białych obrazów oraz sekwencji wizyjnych ze szczególnym uwzględnieniem metod opartych o techniki głębokich sieci neuronowych. W artykule opisano elementy teorii standardowych metod koloryzacji oraz wybranych technik opartych o głębokie sieci neuronowe. Dokonano również jakościowego oraz ilościowego porównania efektywności wybranych metod.

EN

The paper presents an overview of the latest methods of colouring black and white images and video sequences, with particular emphasis on methods based on techniques of deep neural networks. Paper describes elements of the theory of standard colorizing methods and selected techniques based on deep neural networks. A qualitative and quantitative comparison of the effectiveness of selected methods was also made.

Słowa kluczowe

PL

koloryzacja obrazów; techniki multimedialne; przetwarzanie obrazów; głębokie sieci neuronowe; zastosowania sztucznych sieci neuronowych

EN

image colorization; multimedia techniques; image processing; deep neural network; applications of artificial neural networks

• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2018
• Tom: nr 6
• Strony: 393--396, CD
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Protasiuk, R.

• Zakład Telewizji, Instytut Radioelektroniki i Technik Multimedialnych, Politechnika Warszawska, 00-665 Warszawa, Nowowiejska 16/19,

Bibliografia

• [1] Cheng Z., Yang O., Sheng B. 2015. “Deep colorization". IEEE International Conference on Computer Vision (ICCV)
• [2] Cooper R. 1991. “Colorization and moral rights: Should the United States adopt unified protection for artists?" Journalism Quarterly (Urbana, Illinois).
• [3] Fukushima, K. 1980. "Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position." Biological Cybernetics 36
• [4] Iizuka S., Simo-Serra E., Ishikawa H. 2016. “Let there be color!: Joint end-to-end learning of global and local image priors for automatic image colorization with simultaneous classification." ACM Trans. Graph. 35 (4)
• [5] Irony R., Cohen-Or D., Lichinski D. 2005. "Colorization by Example". Eurographics Symposium on Rendering
• [6] Lecun, Y., Bottou, L., Bengio, Y., Haffner, P. 1998. "Gradient-based learning applied to document recognition." Proceedings of the IEEE 86 (11).
• [7] Levin A., Lischinski D., and Weiss Y. 2004. “Colorization using optimization". ACM Trans. Graph. 23 (3): 689-694
• [8] Lucas, B., Kanade, T. 1981. “An iterative image registration technique with an application to stereo vision". In Proc. Int. Joint Conf. AI: 674-679.
• [9] Reinhard E. Ashikhmin M., 2001. “Color Transfer between Images" , IEEE Computer Graphics and Applications
• [10] Welsh T., Ashikhmin M, Mueller K. 2002. “Transferring color to greyscale images." ACM Trans. Graph. 21 (3)
• [11] Zhang R., Zhu J., Isola P. 2017. “Real-Time User-Guided Image Colorization with Learned Deep Priors". SIGGRAPH

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).

Identyfikatory

DOI

10.15199/59.2018.6.54