Recurrent Color Constancy

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F17%3A00315771" target="_blank" >RIV/68407700:21230/17:00315771 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/ICCV.2017.582" target="_blank" >http://dx.doi.org/10.1109/ICCV.2017.582</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICCV.2017.582" target="_blank" >10.1109/ICCV.2017.582</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Recurrent Color Constancy

Popis výsledku v původním jazyce

We introduce a novel formulation of temporal color constancy which considers multiple frames preceding the frame for which illumination is estimated. We propose an endto-end trainable recurrent color constancy network – the RCC-Net – which exploits convolutional LSTMs and a simulated sequence to learn compositional representations in space and time. We use a standard single frame color constancy benchmark, the SFU Gray Ball Dataset, which can be adapted to a temporal setting. Extensive experiments show that the proposed method consistently outperforms single-frame state-of-the-art methods and their temporal variants.

Název v anglickém jazyce

Recurrent Color Constancy

Popis výsledku anglicky

We introduce a novel formulation of temporal color constancy which considers multiple frames preceding the frame for which illumination is estimated. We propose an endto-end trainable recurrent color constancy network – the RCC-Net – which exploits convolutional LSTMs and a simulated sequence to learn compositional representations in space and time. We use a standard single frame color constancy benchmark, the SFU Gray Ball Dataset, which can be adapted to a temporal setting. Extensive experiments show that the proposed method consistently outperforms single-frame state-of-the-art methods and their temporal variants.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/TE01020415" target="_blank" >TE01020415: Centrum kompetence ve zpracování vizuálních informací (V3C - Visual Computing Competence Center)</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2017

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2017 IEEE International Conference on Computer Vision (ICCV 2017)

ISBN

978-1-5386-1032-9

ISSN

1550-5499

e-ISSN

—

Počet stran výsledku

9

Strana od-do

5459-5467

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Venice

Datum konání akce

22. 10. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000425498405057