カテゴリカルカラーネーミングにおける物体固有色名が与える影響の計算機モデルの確立

点击翻译按钮获取中文摘要

初年度は、光源の影響を排除するため、推測した物体表面色を用いたカラーネーミングを試みた。光源の影響とは、光源の色による影響と、物体の材質によるハイライトやシェードによる影響の２つが考えられる。前者は近年の機械学習によって精度よく推測することができるため、本年度は後者について検討を行った。与えられた領域から光源のハイライトやシェード部分を除外し、物体の色を推測する方法を考案した。球をレンダリングし、曲面の画素値を明度-彩度平面にプロットすると、シェードやハイライト部分は彩度が低く、シェードやハイライトの影響を受けていない部分は徐々に彩度が高くなる。この性質を利用し、与えられた領域の画素値を明度-彩度平面にプロットし、彩度の高い色を物体色とする手法を提案した。ただし、表面形状が曲面でないものや画像レタッチなどによって色域を超える色分布を丸め込んだような画像では、うまくいかない場合がある。しかし、そうした場合でも、画素値分布に特徴があることから、明度-彩度平面上での画素値分布形状を学習し、適切な表面色を推定する機械学習に基づいた手法に改良した。得られた領域の代表色に対し、カラーネーミング手法と組み合わせることで、与えられた領域のカラーネーミングを可能にした。提案手法は、カラーネーミングだけでなく、領域の代表色を必要とする研究、例えば画像からのカラーパレットの抽出や、画像のcolor descriptorとして利用することができる。なお、本年度の成果に関する発表のうち、CGIP2023ではbest oral presentation awardを受賞した。