Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Restauration neuronale des défauts de verdissement dans les photographies autochromes historiques à partir de données purement synthétiques

Created by
  • Haebom

Auteur

Saptarshi Neil Sinha, P. Julius Kuehn, Johannes Koppe, Arjan Kuijper, Michael Weinmann

Contour

Cet article présente une approche inédite pour supprimer automatiquement les défauts de décoloration verte des photographies autochromes numérisées. Pour relever les défis liés à la restauration des défauts tels que le flou, les rayures, les bavures et la décoloration causés par le vieillissement et un stockage inapproprié des photographies autochromes, nous présentons une méthode permettant de simuler précisément les défauts et d'entraîner un modèle d'IA générative à l'aide de données synthétiques et d'annotations de défauts de vérité terrain. Plus précisément, nous concevons une fonction de perte qui prend en compte les déséquilibres chromatiques entre les zones défectueuses et non défectueuses, permettant une restauration efficace et performante reproduisant fidèlement les couleurs d'origine et minimisant l'effort manuel. Nous nous concentrons sur la résolution des défauts systématiques difficiles à restaurer avec les logiciels existants (par exemple, Adobe Photoshop).

Takeaways, Limitations

Takeaways:
Présentation de la première approche automatisée pour éliminer les défauts de décoloration verte dans les photographies autochromes.
Présentation d'une méthode efficace de formation de modèles utilisant la simulation de défauts et des données synthétiques.
Surmonter les limites des méthodes existantes, permettre la reproduction des couleurs primaires et réduire le travail manuel.
Résolution des problèmes de déséquilibre des couleurs à l'aide de modèles d'IA génératifs et de fonctions de perte spéciales.
Limitations:
Actuellement, nous nous concentrons uniquement sur les défauts de décoloration verte. Il peut être difficile de l'appliquer à d'autres types de défauts.
Comme il s’agit d’une simulation et d’un modèle de formation pour les défauts spécifiques aux photos autochromes, il peut être difficile de généraliser à d’autres types de photos.
L'absence d'un ensemble de données d'annotation de défauts photo autochromiques accessible au public peut limiter l'évaluation des performances de généralisation du modèle.
👍