无需训练的动画上色框架，通过时空上下文提升模糊区域的着色准确率。
PeCA: Palette Context Assisted Inference for Test-Time Paint-Bucket Colourisation on Animation Videos
- 利用时空上下文推理，解决手绘动画中区域模糊时的着色歧义问题。
- 在多个基准和长视频测试中均实现稳定性能提升。
- 无需训练、即插即用，适合动画生产中的实时上色需求。
在动画制作中，手绘线稿的油漆桶上色是一项耗时的工作，需为每个封闭区域从参考设计图中分配颜色。近期的自动上色方法通过区域对应关系模拟此流程，但当区域为缺乏上下文的模糊片段时，对应关系容易失效。本文提出无需训练、即插即用的Palette Context Assisted（PeCA）框架，在测试阶段通过空间与时间上下文推理来弥补这一缺陷。在现有基准及新引入的长视频测试案例中，实验结果均显示性能持续提升。
原文摘要 · Abstract (English)
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.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。