PeCA：调色板上下文辅助推理，用于动画视频的测试时油漆桶上色
PeCA: Palette Context Assisted Inference for Test-Time Paint-Bucket Colourisation on Animation Videos
浏览论文内容
中文总结 AI 辅助
针对动画视频油漆桶上色的区域对应易受模糊片段影响的问题，提出无训练即插即用的PeCA框架，通过空间与时间上下文推理优化，实验证实其性能持续提升。
中文摘要 AI 辅助
在动画制作中，手绘动画的油漆桶上色是一项劳动密集型工作，需为线条画中的每个封闭区域从参考设计表分配颜色。近期自动油漆桶上色流程通过区域对应模拟该工作，但当区域是缺乏合适上下文的模糊片段时，对应关系易出错。本文提出Palette Context Assisted（PeCA），一种新的无训练、即插即用的动画视频上色框架，旨在测试时通过空间与时间上下文推理缩小该差距。在现有基准及新引入的长视频测试案例上的大量实验显示，性能持续提升。
英文摘要
In animation production, paint-bucket colourisation for hand-drawn animation is a labour-intensive procedure that assigns each enclosed region in line sketches a colour from reference design sheets. Recent automatic paint-bucket colourisation pipelines mirror this workflow via region correspondence, but correspondences can be brittle when regions are ambiguous fragments without proper context. In this paper, we propose Palette Context Assisted (PeCA), a new training-free, plug-and-play framework for animation video colourisation that aims to close this gap at test-time via reasoning over spatial and temporal contexts. Extensive experiments on existing benchmarks and a newly introduced long-video test case show consistent performance boosts.
发表机构
- University of Birmingham（伯明翰大学）
机构由 AI 辅助整理，请以论文原文为准。
