가능한 색과 원래 색의 차이
하나의 흑백 사진에는 여러 색 조합이 가능하다. 이 연구는 제약이 부족한 채색 문제의 불확실성을 받아들이고 그럴듯한 색 버전을 자동으로 만드는 접근을 제안한다. 원래 색을 유일하게 복원했다는 주장과 다르다.
분류와 재균형
채색을 분류 과제로 정식화하고 학습할 때 범주 재균형을 사용해 결과의 색 다양성을 높인다. 시험 시에는 합성곱망의 한 번 순방향 계산으로 채색한다. 자연스럽다는 평가와 사실상 정확한 색의 확인은 구분해야 한다.
자기 지도 사전 과제로 쓰기
채색은 채널 사이의 예측을 수행하는 인코더로서 자기 지도 특징 학습의 사전 과제도 될 수 있다. 생성한 색 이미지의 품질 평가와 학습한 특징의 후속 과제 평가는 다른 목적이다.
원래 색의 독립 예
설명용으로 흑백 우체통이 빨강과 파랑 어느 쪽이었는지는 밝기만으로 확정하기 어렵다. 자연스러운 채색 하나가 원래 사물의 증거가 되는 것은 아니다. 실제 연구 이미지를 옮기지 않은 생성 결과 해석의 예다.
관련 문서
자기 지도 학습 / 합성곱 신경망 / RotNet 표현 학습 / 직소 퍼즐 표현 학습 / InfoMin 뷰 선택 / AMDIM