Recurrent Color Constancy
Identifikátory výsledku
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>
Alternativní jazyky
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.
Klasifikace
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)
Návaznosti výsledku
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)
Ostatní
Rok uplatnění
2017
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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