學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73898
Browse
3 results
Search Results
Item 基於深度學習之影視二級調色研究(2021) 黃志堅; Huang, Chih-Chien電影和電視的調色（Color Grading）任務既重要又極複雜。調色涉及美學和技術，需要訓練有素技術人員、耗費大量時間，在情節中提高視覺吸引力，藉改變意象引導觀眾視覺。在這過程中 ，色彩是影像不可或缺的敘述元素，它在觀賞者中扮演著關鍵重要的角色。色彩可突顯影像主體張力，引起人們關注。場景交替、色彩變化都由調光師擔負起重要任務，校正顏色維持藝術價值以取悅人眼，隱藏著色中的不連續性，微妙調整鏡頭。調色，更是一個相當不容易操縱領域。當作業時效性成為商業製片重要考量時，使用自動方式解決是一個受歡迎且省錢選項，所以迅速取得值得參考的深度調色影像，有其高度價值。本研究結合調光與人工智慧跨領域應用，設計以食物顏色、味覺中酸、甜、苦、辣的影像主體二級自動色彩轉換方法。此為食物味覺色調及有關凸顯主體影像二級自動色彩轉換創新嘗試，實際轉換快速且便利。轉換結果依客觀評量之峰值信噪比（PSNR）平均數據為31.29。結構相似性指標（SSIM）平均數據為0.956。從這些數字足以證明此二級自動色彩轉換應用之可實踐性。依主觀評量之（深度調色之判斷酸甜苦辣正確率）平均為61.76％，表示超過六成受測者可以精準分辨深度調色四種味覺。但在接近四項味覺目標色選擇深度調色平均為25%，只有四分之一的專業及非專業人士認為深度調色比人工調色好。綜合以上數據。充分驗證此方法的可行性及實用性。深度調色確實有效逼近人工調色，可以有效節省後期製作時間與費用。雖然深度調色仍有進步空間，但對於未具調光技能與設備的一般使用者而言，具有方便輔助性。Item 基於色彩味覺之自動化深度調色研究(2022) 楊怡群; Yang, Yi- Chun色彩是影像敘事的關鍵要素之一，影視製作的色彩設計在前置階段就已開始；美術指導針對劇情調性做場景的色彩設計，妝髮會做測試，戲服會配合場景及劇情作色彩搭配，攝影指導決定畫面構圖、燈光呈現的方式等，這些都會對整部影視作品的色彩及質感產生影響。殺青後將設計好的色彩交由調光師將所有的色彩及質感設計做最完美的呈現，憑著豐富經驗所累積的美學藝術營造特定情緒氛圍，引導觀眾走入劇情裡。因此，調光師在影視的後期製作裡扮演著極其重要的角色。近年來，隨著OTT（over-the-top）與自媒體的盛行，各播映平台對於影像作品的需求量大增，但後期調色耗時、費工且費用昂貴，因此，若能設計自動化的調色方法必定能解決這些問題。本研究將學術與實務結合，透過深度學習（Deep Learning）的方式，設計一套自動化的一級調色（Primary Color Grading）方法，以味覺中的酸、甜、苦、辣色調風格作為深度學習的目標。在客觀的效果評估方面，峰值信噪比（Peak Signal to Noise Ratio, PSNR）的數值皆在20以上，另外，在結構相似性指標（Structural Similarity Index Measure, SSIM）方面，數值都接近1，足證用此方法能產製出優良的色調影像品質。在主觀評估上，受測者觀看自動化深度調色（Deep Color Grading）的動態影像後，因色彩共感覺（Chromes Thesia）的作用而有高達82%的色彩味覺識別率，皆能指出該色調所要傳達的味道，這意味著此方法所產製出的色調風格受大眾認同。此外，相較於人工調色的動態影像，雖然總體分數深度調色只有32.81%的認同度，但其中苦味深度調色的認同度卻比人工調色高出26%，證明此方法有很大的進步空間與潛能。綜觀之，本研究所設計的自動化深度調色方法具有相當大的可行性，雖然目前無法直接應用於調色作業，但可以為非色彩專業者產出參考圖像。Item 花語之色彩意象應用於色彩建議與分析(2022) 林昭伶; Lin, Chao-Ling本研究所側重分析的焦點以日本學者小林重順建立色彩意象座標（Color Image Scale）與色彩意象詞彙資料庫（Color Image Word Database），讓情緒與色彩或色彩組合標準化、數值化，以奠定學理討論基礎，其利用語意差異法度量色彩及意象的關聯，與日本色彩與設計研究所（Nippon Color and Design Research Institute, NCD）合作開發色彩意象座標。透過自然語言處理（Natural Language Processing, NLP）技術將一般口語化的表達轉換至專業的一個或多個設計參數的辨識，用於人工智慧（Artificial Intelligence, AI）深度學習（Deep Learning）訓練出符合大數據內容呈現趨勢優化的色彩建議的方法，提出具體建議。透過設計3組實驗「多意象色彩調和演算法」、「色彩意象抽取演算法」、「花卉圖片重點色彩擷取」，進行提取3色色彩組合當作已知色，實作於「色彩建議演算法」輸出建議色，利用網路問卷調查分析滿意度，結果顯示色彩建議後的5色色彩組合的滿意度平均數都比4色色彩組合高。本研究的主題花語之色彩意象應用於色彩建議後的4色、5色色彩組合的滿意度平均數均達3分以上具有正面的評價。另外，本研究觀察審美度方程式M=O/C，花卉圖片重點色彩應用於色彩建議後的4色、5色色彩組合，都有100%符合M>0.5，發現應是花的顏色色相大多較為相近，產生對應到的數值不會差太大的現象，在曼賽爾色彩系統中如果O與C的落差不夠大，計算得到的數據就不會差太大，進而發現當色彩色相都較為相近時只採用審美度來進行評量色彩調和度是不夠的。 花語被加以利用於色彩意象的表現，輔助設計半自動化色彩建議方法，產生具有代表性或獨特性的色票，未來得以應用於印刷與設計產業中，解決一般非專業人員色彩運用能力不足的困境。COVID-19疫情觸動數位轉型契機，迫切需要大量的資訊傳遞、搜尋與雲端儲存及大數據的使用。科技的進步讓科技推動模式逐漸由技術轉為需求導向（陳聖智，2021），色彩建議方法的效能與創新應用的可行性，導入人工智慧概念，無須透過漫長歲月經驗累積養成，輔助更多有設計需求但能力不足的人，即時性設計因應少量多樣、個人化、個性化的趨勢設計潮流，亦是本研究主要課題以供後續相關研究與應用之參考。