AI Observatory
Una mappa quotidiana di ciò che viene pubblicato sull’intelligenza artificiale.
← Torna alle ultime pubblicazioni
paper · arXiv · Machine Learning

Beyond Fixed Luminance: Towards Panchromatic and Orthochromatic Image Colorization

Di cosa parla

Si propone un modo di colorare immagini che non mantiene rigidamente la luminosità estratta dal bianco e nero d’origine, perché quel vincolo limita i cambi di luce e non funziona bene con fotografie storiche ortocromatiche (cioè quelle in cui il rosso appare scuro). L'approccio tratta la colorazione come una modifica completa dell'immagine e viene addestrato usando due tipi di bianco e nero per essere più robusto.

Cosa permette di osservare

Permette di esplorare se sia meglio preservare la luminosità originale o lasciare libertà al sistema quando si colorano immagini diverse, e come adattare strumenti di colorazione a fotografie moderne e a negativi storici con diversa sensibilità ai colori.

immaginiregolamentazionericerca

Dalla fonte

Most image colorization systems operate in $Lab$ space by predicting chroma ($ab$) while preserving an input-derived luminance channel ($L$). While effective on standard benchmarks, this fixed-luminance design restricts brightness changes and becomes unreliable when grayscale formation deviates from natural-image luminance, as in historical orthochromatic photography. We propose a luminance-agnostic colorization framework that formulates colorization as full-RGB image editing using a foundation image-editing model. To bridge modern panchromatic and historical orthochromatic conditions, we introduce a mixed grayscale objective that trains the model under both standard luminance grayscale and a red-insensitive grayscale formation. Experiments on COCO, ImageNet, and a multi-instance benchmark show that our method is competitive on standard grayscale inputs and substantially more robust und…