Illusions in Humans and AI: How Visual Perception Aligns and Diverges
本文通过比较人类与AI对视觉错觉的反应,揭示二者感知机制的对齐差距及AI特有的像素级敏感性和幻觉等脆弱性,为构建更稳健且与人类对齐的视觉系统提供依据。
2025-08-17 cs.CV
Optical Illusions Images Dataset
University of Louisville(路易斯维尔大学)
人类视觉能够执行许多在其长期进化中没有优化的任务。阅读文本和识别路标等人造物体都是哺乳动物大脑在野外从未遇到过的任务,但对我们来说非常容易完成。然而,人类已经发现了许多非常具体的技巧,这些技巧会导致我们误判我们所看到的东西的颜色,大小,对齐和运动。更好地理解这些现象可以揭示人类感知如何实现这些壮举。在本文中,我们提出了一个数据集的6725错觉图像收集从两个网站,和一个较小的数据集的500手挑选的图像。我们将讨论收集这些数据的过程,在其上训练的模型,以及需要做的工作,使其对计算机视觉研究人员有价值。
2018-10-16 cs.CV
Seeing Is Believing? A Benchmark for Multimodal Large Language Models on Visual Illusions and Anomalies
Zhejiang University(浙江大学);Tencent Hunyuan Team(腾讯文言团队);Stanford University(斯坦福大学)
本文提出VIA-Bench基准测试,评估多模态大语言模型在视觉错觉和异常上的性能,揭示其在复杂视觉任务中的鲁棒性问题。
2026-02-02 cs.CV
Mirror Illusion Art
Department of Computer Science and Technology, BNRist, Tsinghua University(清华大学计算机科学与技术系,北京信息科学与技术国家研究中心);Huazhong University of Science and Technology(华中科技大学);IDG/McGovern Institute for Brain Research, Tsinghua University(清华大学IDG/麦戈文脑科学研究院);Chinese Institute for Brain Research (CIBR)(北京脑科学与类脑研究中心)
提出AutoMIA自动设计管道,联合优化形状与颜色,通过四种机制稳定优化并抑制伪影,实现从两张目标图像到可打印3D物体的镜像错觉艺术生成。
2026-07-03 cs.AI cs.CV
JanusMesh: Fast and Zero-Shot 3D Visual Illusion Generation via Cross-Space Denoising
National Yang Ming Chiao Tung University(国立阳明交通大学)
提出一种无需训练的快速框架,通过跨空间双分支去噪和视图条件纹理合成,在3-5分钟内生成高真实感双语义3D视觉错觉,优于现有方法。
2026-09-02 cs.CV
Personalizing image enhancement for critical visual tasks: improved legibility of papyri using color processing and visual illusions
University of Basel(巴塞尔大学);University of Fribourg(弗里堡大学)
目的:本文发展了理论,算法,感知和互动方面的脚本易读性增强在可见光光谱的学术编辑纸莎草纸文本的目的。- 研究方法:在用户体验实验中,将基于颜色处理和视觉错觉的新易读性增强算法与经典方法进行了比较。- 结果:(1)所提出的方法优于比较方法。(2)用户表现出广泛的行为谱,影响因素,如个性和社会条件,任务和应用领域,专业水平和图像质量,以及软件,硬件和接口的启示。没有单一的增强方法满足所有的因素配置。因此,建议为用户提供广泛的方法选择,以促进个性化,情境化和互补性。(3)休闲和关键的视觉信号的模糊性和错误后果的基础上作出区分。增强图像的关键应用的范例的标准包括:解释图像怀疑;接近增强作为一个系统的问题;考虑所有的图像结构作为潜在的信息;和不确定性和替代解释明确,在视觉上和数字上。
2021-08-30 cs.CV cs.DL cs.HC
Factorized Diffusion: Perceptual Illusions by Noise Decomposition
University of Michigan(密歇根大学)
本文提出零样本 Factorized Diffusion 方法,将噪声估计按线性图像分量分解并组合去噪,从而用多个文本提示控制频率、颜色或模糊分量,生成随观看条件变化的感知混合图像,并可由真实图像求解逆问题。
2025-01-10 cs.CV
Leveraging Geometric Visual Illusions as Perceptual Inductive Biases for Vision Models
Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学);University of Oxford(牛津大学)
本文提出将经典几何视觉错觉作为感知归纳偏置引入图像分类训练,通过合成参数化错觉数据集与三种多源学习策略,证明其能提升 CNN 和 Transformer 模型的泛化能力与结构敏感性。
2025-09-18 cs.AI cs.CV cs.LG
Do vision models perceive illusory motion in static images like humans?
Columbia University(哥伦比亚大学);Kyoto University(京都大学)
研究评估了多种光流模型在Rotating Snakes illusion中的表现,发现大多数模型无法生成与人类感知一致的流场,仅人类启发的Dual-Channel模型在模拟眼跳条件下表现出预期的旋转运动。
2026-04-14 cs.CV
USLN: A statistically guided lightweight network for underwater image enhancement via dual-statistic white balance and multi-color space stretch
Northwestern Polytechnical University(西北工业大学)
水下图像不可避免地会受到色彩失真和对比度降低的影响。传统的基于直方图的方法,如白平衡和直方图拉伸,试图调整的颜色通道的不平衡和狭窄的强度分布的先验,从而具有有限的性能。最近,基于深度学习的方法取得了令人鼓舞的成果。然而,复杂的体系结构和高计算成本可能会阻碍其在实际受限平台中的部署。受上述工作的启发,我们提出了一种统计引导的轻量级水下图像增强网络(USLN)。具体来说,我们首先开发了一个双统计白平衡模块,它可以学习使用图像的平均值和最大值来补偿每个特定像素的颜色失真。然后,这是其次是多颜色空间拉伸模块,以调整在RGB,HSI和Lab颜色空间的直方图分布自适应。大量的实验表明,在统计数据的指导下,USLN显著降低了所需的网络容量(超过98%),并达到了最先进的性能。代码和相关资源可在https://github.com/deepxzy/USLN上获得。
2022-09-06 cs.CV
On color image quality assessment using natural image statistics
University of Mohammed V-Agdal(穆罕默德五世大学阿格达勒分校);University of Burgundy(勃艮第大学)
颜色失真会对视觉质量感知造成严重损害,然而,现有的减少参考质量度量大多是针对灰度图像设计的。在本文中,我们考虑一个基本的扩展著名的图像统计为基础的质量评估措施的彩色图像。为了评估颜色信息对测量效率的影响,研究了两种颜色空间:RGB和CIELAB。使用TID 2013基准进行的广泛评估的结果表明,当使用CIELAB颜色表示时,可以针对大量失真类型实现显著改善。
2014-11-27 cs.CV
Less Detail, Better Answers: Degradation-Driven Prompting for VQA
State Key Lab of CAD&CG, Zhejiang University(浙江大学计算机辅助设计与图形学国家重点实验室)
本文提出退化驱动提示(DDP)方法,通过降低图像清晰度迫使模型关注关键结构信息,提升视觉问答性能。在物理属性和感知现象任务中,DDP通过降采样、结构辅助和提示技术实现更准确的推理。
2026-04-07 cs.CV
A statistical reduced-reference method for color image quality assessment
University Mohammed V-Agdal(穆罕默德五世大学阿格达尔分校);University Ibn Zohr(伊本·佐赫尔大学);University of Burgundy(勃艮第大学)
虽然颜色是人类视觉感知的基本特征,但在减少参考(RR)图像质量评估(IQA)方案中,颜色在很大程度上未被探索。在本文中,我们提出了一个自然场景统计(NSS)的方法,有效地利用这些信息。它是基于参考彩色图像和退化图像的可操纵金字塔系数之间的统计偏差。我们提出并分析了多元广义高斯分布(MGGD)模型的基本统计。为了量化的退化,我们开发和评估两个措施的基础上,分别在两个MGGD之间的测地线距离和封闭形式的Kullback Leibler分歧。我们使用TID 2008基准和FRTV第一阶段验证过程在各种颜色空间(RGB,HSV,CIELAB和YCrCb)中对这两个指标进行了广泛的评估。实验结果表明,该框架的有效性,以实现良好的一致性与人类的视觉感知。最后,结合KLD偏差测度,得到了CIELAB颜色空间下的最佳配置。
2014-11-27 cs.CV
Chroma Clues: Leveraging Color Statistics to Detect Synthetic Images
Deutsche Forschungsgemeinschaft(德国研究基金会)
利用生成模型在颜色统计上的弱点,通过手工设计的颜色变换和学习优化的颜色变换,提出像素级或块级颜色敏感特征,实现高泛化准确率和鲁棒性的合成图像检测。
2026-06-09 cs.CV
Joint Color-Spatial-Directional clustering and Region Merging (JCSD-RM) for unsupervised RGB-D image segmentation
Laboratoire Hubert Curien, Université Jean Monnet(让·莫奈大学于贝尔·居里实验室)
深度成像传感器的最新进展提供了对与颜色同步的深度(称为RGB-D图像)的容易访问。本文提出了一种无监督的室内RGB-D图像分割和分析方法。我们考虑一个统计图像生成模型的基础上的颜色和几何的场景。我们的方法包括一个联合颜色空间方向聚类方法,然后统计平面区域合并方法。我们在纽约大学深度数据库上评估了我们的方法,并将其与现有的无监督RGB-D分割方法进行了比较。结果表明,该方法与现有方法相比,计算时间更短。此外,它打开了有趣的视角,以无监督的方式融合颜色和几何形状。
2015-09-06 cs.CV
StatLUT: Statistical Feature-Driven Multimodal 3DLUT Generation for Photorealistic Style Transfer
Honor Device Co., Ltd.(荣耀终端有限公司)
研究针对逼真风格迁移中现有方法的瓶颈,提出StatLUT框架,通过提取统计特征、基于Transformer的Seq2Seq任务预测3D LUT及用H-Diffuser从自然语言提示合成特征,实现多模态逼真风格迁移,性能优于现有方法。
2026-11-04 cs.CV
Color image quality assessment measure using multivariate generalized Gaussian distribution
University Mohammed V-Agdal(穆罕默德五世大学阿格达勒校区);University of Burgundy(勃艮第大学)
本文研究了基于自然场景统计的缩减参考框架下的彩色图像质量评价。在这种情况下,我们建议通过多变量广义高斯分布(MGGD)对可操纵金字塔系数的统计数据进行建模。该模型允许考虑RGB颜色空间的分量之间的高度相关性。对于每个选定的尺度和方向,我们从三个颜色分量子带中提取参数矩阵。为了量化视觉退化,我们使用两个MGGD之间的Kullback-Leibler散度(KLD)的封闭形式。使用“TID 2008”基准,所提出的措施进行了比较,根据FRTV 1 VQEG框架的最有影响力的方法。结果表明,它的有效性为各种失真类型。在其他好处中,该措施只使用关于原始图像的非常少的信息。
2014-11-29 cs.CV
Real-Time Implementation of Order-Statistics Based Directional Filters
Louisiana State University in Shreveport(路易斯安那州立大学什里夫波特分校)
基于顺序统计量的矢量滤波器在去除彩色图像中的脉冲噪声的同时保留了图像的边缘和细节。在这些滤波器中,涉及余弦距离函数的滤波器(方向滤波器)具有特别高的计算要求,这限制了它们在时间关键应用中的使用。在本文中,我们介绍了两种方法来加快这些过滤器。不同的彩色图像集上的实验表明,所提出的方法提供了大量的计算增益,而没有显着的准确性损失。
2010-09-05 cs.CV
Unsupervised Learning for Color Constancy
University of Zagreb(萨格勒布大学)
大多数数码相机流水线使用颜色恒常性方法来减少照明和相机传感器对场景对象颜色的影响。基于学习的颜色恒常性方法可以获得最高的颜色校正精度,但它们需要大量具有已知地面真实光照的校准训练图像。这种校准是耗时的,优选地针对每个传感器单独进行,并且因此是获取高颜色恒定性准确度的主要瓶颈。基于统计的方法不需要校准的训练图像,但它们不太准确。本文提出了一种基于无监督学习的方法,该方法在近似训练图像的未知地面真实光照之后学习其参数值,从而避免校准。在准确性方面,该方法优于所有基于几何学和许多基于学习的方法。还提出了一种扩展的方法,它学习所需的参数,从非校准的图像与一个传感器,然后可以成功地应用到与另一个传感器拍摄的图像。这有效地实现了用于颜色恒定性的相机间无监督学习。此外,还创建了一个新的高质量颜色恒定性基准数据集,其中包含1707个校准图像,用于测试,并公开提供。结果进行了介绍和讨论。源代码和数据集可在http://www.fer.unizg.hr/ipg/resources/color_constancy/上获得。
2019-03-19 cs.CV
Convolutional Color Constancy
Google(谷歌)
颜色恒常性是推断照亮场景的光的颜色的问题,通常这样可以去除照明颜色。由于这个问题是欠约束的,它通常是通过建模的自然物体和照明的颜色的统计分布来解决。相比之下,在本文中,我们重新制定的问题的颜色恒常性作为一个2D空间定位任务的对数色度空间,从而使我们能够应用技术,从目标检测和结构化预测的颜色恒常性问题。通过直接学习如何区分正确的白平衡图像和差的白平衡图像,我们的模型能够将标准基准测试的性能提高近40%。
2015-09-18 cs.CV
Cost-Effective Implementation of Order-Statistics Based Vector Filters Using Minimax Approximations
Louisiana State University(路易斯安那州立大学);Georgia Institute of Technology(佐治亚理工学院);Epson Canada Ltd.(爱普生加拿大有限公司);Wayne State University(韦恩州立大学)
基于鲁棒顺序统计量的向量算子在数字多通道成像应用中,特别是彩色图像滤波和增强,在处理脉冲噪声的同时保留边缘和精细图像细节方面已经被证明是成功的。这些算子通常具有非常高的计算要求,这限制了它们在时间关键型应用中的使用。本文介绍了技术,以加快矢量滤波器使用极小极大逼近理论。一个大的和不同的彩色图像集上的广泛的实验表明,建议的近似实现了一个很好的平衡之间的易于实现,准确性和计算速度。
2010-09-06 cs.CV
Multi-channel Weighted Nuclear Norm Minimization for Real Color Image Denoising
The Hong Kong Polytechnic University(香港理工大学);Xidian University(西安电子科技大学)
现有的去噪算法大多是针对灰度图像开发的,而将其扩展到彩色图像去噪则不是一件简单的工作,因为真实噪声图像的R、G、B通道的噪声统计特性可能会有很大的不同。在本文中,我们提出了一个多通道(MC)的优化模型下的加权核范数最小化(WNNM)的框架下,真正的彩色图像去噪。我们连接RGB补丁,以利用通道冗余,并引入一个权重矩阵,以平衡的数据保真度的三个通道,考虑到他们不同的噪声统计。所提出的MC-WNNM模型没有解析解。我们将其转化为一个线性等式约束问题,并用交替方向乘子法求解。每一步交替更新都有封闭解,且能保证收敛性。在合成和真实噪声图像数据集上的大量实验证明了所提出的MC-WNNM比最先进的去噪方法的优越性。
2018-12-18 cs.CV
An approach to improving edge detection for facial and remotely sensed images using vector order statistics
Ahmadu Bello University(艾哈迈杜·贝罗大学)
提出了一种改进的基于向量顺序统计量的人脸图像和遥感图像边缘检测算法。该算法不需要将彩色图像转换为灰度图像,直接对彩色图像进行处理.现有的一些算法在边缘检测之前将彩色图像转换为灰度。但这一过程会导致识别边缘的精度不准确,从而在输出边缘图中产生假边缘和破损边缘。面部和遥感图像包括弯曲的边缘线,必须不断检测,以防止破碎的边缘。为了解决这一问题,引入了一种像素集合的方法,以最大限度地减少面部和遥感图像的输出边缘图中存在的假边缘和破损边缘。
2015-03-19 cs.CV
Green Stability Assumption: Unsupervised Learning for Statistics-Based Illumination Estimation
在几乎每个数字相机的图像处理流水线中,存在专用于计算颜色恒定性的部分,即,专用于去除照明对图像场景的颜色的影响的部分。一些最著名的照明估计方法是所谓的基于几何学的方法。它们比基于学习的照度估计方法准确性较差,但在嵌入式系统中实现起来更快、更简单,这是它们广泛使用的原因之一。虽然在相关文献中,它们通常看起来不需要训练,但这是不正确的,因为它们具有需要微调以更准确的参数值。在本文中,它首先表明,在大多数论文中报道的基于几何的方法的准确性不是通过必要的交叉验证获得的,而是通过使用整个基准数据集进行训练和测试。之后,给出了最佳已知基准数据集的校正结果。最后,提出了所谓的绿色稳定性假设,该假设可以用于通过仅使用未校准的图像而不使用已知的地面实况照明来微调基于几何学的方法的参数的值。所获得的精度实际上与使用校准的训练图像时相同,但整个过程要快得多。实验结果进行了介绍和讨论。源代码可在http://www.fer.unizg.hr/ipg/resources/color_constancy/上获得。
2018-02-02 cs.CV
Harmonious Color Pairings: Insights from Human Preference and Natural Hue Statistics
LadHyX UMR CNRS 7646, École Polytechnique, Institut Polytechnique de Paris(法国巴黎理工学院);Art in Research, 33 rue Censier, 75005 Paris, France(巴黎艺术研究)
研究通过HSL颜色空间中基于色调的受控调色板,对色彩搭配偏好进行定量研究,构建偏好矩阵并定义可组合性指数,发现偏好依赖色调,且与自然景观色调分布一致,通过主成分分析揭示了色调组及偏好结构基础,提供了研究色彩和谐的定量框架。
2026-07-17 cs.CV cs.HC physics.soc-ph
Fast color transfer from multiple images
University of Science and Technology of China(中国科学技术大学)
图像间的颜色传递有效地利用了图像的统计信息。提出了一种基于简单统计和局部线性嵌入的图像间局部颜色传递方法。提出了一种快速、方便地指定目标图像和源图像之间颜色对应关系的草图接口。用户可以使用划线来指定局部区域的对应关系,从而更准确地将目标颜色传递到源图像,同时平滑地保留边界,并且呈现出更自然的输出结果。该算法不局限于一对一的图像颜色传递,可以利用多幅目标图像来传递源图像中不同区域的颜色。此外,我们的算法不需要选择相同的颜色风格和图像大小之间的源和目标图像。我们提出了子采样,以减少计算量。与其他方法相比,我们的算法在输入数据的颜色混合方面有很大的改善。我们的方法保留了源图像中的其他颜色细节。各种实验结果表明,我们的方法指定的本地颜色区域在源和目标图像的对应关系。它表达了用户的意图,产生了更真实、更自然的视觉效果。
2016-12-28 cs.CV cs.GR
Tractable loss function and color image generation of multinary restricted Boltzmann machine
Seoul National University(首尔大学);Clova AI, NAVER Corp.(NAVER公司Clova AI)
受限玻尔兹曼机(RBM)是一种基于统计力学概念的有代表性的生成模型。尽管具有很强的可解释性,但反向传播的不可用性使其比其他生成模型更具竞争力。在这里,我们推导出可微的损失函数的二元和多元RBM。然后,我们通过生成彩色人脸图像来展示它们的可学习性和性能。
2020-11-27 cs.CV cs.LG
Histogram Assisted Quality Aware Generative Model for Resolution Invariant NIR Image Colorization
Indian Institute of Science Education and Research Bhopal(印度科学教育与研究学院博帕尔)
HAQAGen通过结合直方图匹配、SPADE和Mamba网络,实现分辨率不变的近红外图像到RGB的高质量着色,提升纹理和颜色的真实感。
2026-01-03 cs.CV eess.IV