CIEDE2000
PulseAugur coverage of CIEDE2000 — every cluster mentioning CIEDE2000 across labs, papers, and developer communities, ranked by signal.
-
机器学习模型改进感知色差估计
研究人员开发了一种新的机器学习方法来模拟感知色差，旨在改进现有的 CIEDE2000 等指标。通过收集人类观察者对 2,000 对颜色的相似性判断，他们使用各种颜色表示训练了回归模型。研究发现，使用模糊语言类别 (COLIBRI) 结合数值坐标，特别是使用 LightGBM 算法，取得了最佳结果，R2 达到 0.703。这种数据驱动的方法展示了更准确、与感知一致的色差估计的潜力。
-
IrisFlow框架实现了光学涂层的开放词汇设计
研究人员开发了IrisFlow，一个用于通过基于查询的开放词汇方法设计多层光学涂层的新型框架。该方法允许在查询时指定目标光谱、材料光学常数和层数，超越了固定的词汇表和离散化的连续变量。该系统由一个1.36亿参数模型驱动，展示了设计复杂涂层堆栈的能力，并已成功应用于制造具有低色差和高太阳反射率的显示冷却器。
-
新的 Oklch+ 颜色空间改进了感知差异预测
研究人员开发了 Oklch+，这是一种增强型颜色空间，旨在比 Oklab 等现有模型更准确地预测颜色差异。该新系统使用三参数扩展，结合了幂变换和压缩函数，以更好地与人类对颜色的感知保持一致。与已建立的数据集相比，Oklch+ 在准确性方面显示出显著的改进，在参数更少的情况下，其性能与更复杂的 CIEDE2000 标准非常接近。
-
Helmlab 推出新型色彩空间，以改进 UI 设计和生成
研究人员推出了 Helmlab，这是一个专为 UI 设计系统设计的新型色彩空间系列。其中一个组件 MetricSpace 提供了改进的色彩差异预测，在多个数据集上优于 CIEDE2000。另一个组件 GenSpace 针对生成高质量渐变和调色板进行了优化，在基准测试中优于 OKLab。