Разработка российских и зарубежных ученых позволит значительно увеличить точность цветопередачи цифровых камер
Автор текста – Алексей Соколов
Фото – Олеся Орина, Самарский университет
Нейросетевые методы впервые обошли классические в задаче точной обработки цвета
Ученые Института искусственного интеллекта Самарского университета им. Королёва разработали новую технологию увеличения точности цветопередачи цифровых камер. Работа выполнена совместно с коллегами из Москвы, Вюрцбурга (Германия) и Йорка (Канада). Для автоматической обработки получаемых с камеры изображений ученые впервые в мире применили сети Колмогорова-Арнольда (KAN) – это новый класс нейронных сетей, который позволил нейросетевым методам обойти классические по качеству обработки цвета.

Разработанная технология была протестирована на нескольких классах задач, связанных с обработкой цветных изображений. Результаты тестирования показали, что данная разработка, получившая название cmKAN, значительно превосходит различные методы улучшения цветопередачи, применяемые сейчас в мире производителями смартфонов и цифровых камер.
«В современном мире используется множество различных камер, так в современных смартфонах, как правило, используются три типа камер – телекамера, основная и широкоугольная. Разные камеры по-разному отображают цвет, при переходе между камерами цвета на снимках существенно различаются, более того, эти различия камер носят нелинейный характер, что затрудняет и восприятие, и автоматическую обработку изображений. Несмотря на впечатляющие успехи нейросетевых методов практически во всех сферах компьютерного зрения, точная обработка цвета до настоящего времени оставалась вотчиной классических алгоритмов. По всей видимости, это связано с высокой чувствительностью человеческого восприятия цвета, а также с тем, что современные нейростевые подходы недостаточно хорошо отрабатывают специфику преобразования цвета. Нам удалось преодолеть разрыв между классическими и нейросетевыми алгоритмами обработки цвета и разработать универсальный нейросетевой подход сопоставления цветов cmKAN, который позволяет более точно сравнивать и корректировать в автоматическом режиме цвета изображения. Процесс работы нейросети похож на этапы работы оператора программы цветовой коррекции, например, Photoshop или Lightroom. Оператор строит нелинейные кривые преобразования цветов и задает области их применения: так, на светлом небе правила преобразования цветов одни, в тени зданий другие, вблизи источников света – третьи. Наш подход работает схожим образом. Нам удалось теоретически показать, что сети Колмогорова-Арнольда максимально хорошо отражают нелинейные преобразования цвета, а параметры этих преобразований в разных частях изображения задаются сетью-генератором», – рассказал профессор Артем Никоноров, директор Института искусственного интеллекта и руководитель Центра «Интеллектуальная мобильность многофункциональных беспилотных авиационных систем» Самарского университета им. Королёва.
Сети Колмогорова-Арнольда (KAN) – это новый тип архитектуры нейронных сетей, он основан на теореме представления Колмогорова-Арнольда, разработанной советскими математиками Андреем Колмогоровым и Владимиром Арнольдом. Этот тип архитектуры нейросетей был разработан в 2024 году и может стать альтернативой для традиционных нейросетей MLP (многослойный перцептрон), широко используемых сейчас в системах компьютерного зрения и в больших языковых моделях.

Для обучения и тестирования cmKAN разработчики подготовили и опубликовали внушительный набор данных – Volga2K, содержащий более двух тысяч пар снимков с различных камер камер, в различных местах и условиях съемки.
«Разработанная технология протестирована на основных задачах преобразования цветных изображений: синхронизация цветов изображений с двух различных камер; синхронизация цветов RAW-изображений различных камер; приведение RAW-изображения к итоговому, а это основная задача для любых современных камер как на смартфонах, так и профессиональных; и главное, постобработка снимков человеком. Результаты показали, что наш метод стабильно превосходит мировые аналоги в среднем на 37,3%. Кроме того, cmKAN эффективно обрабатывает сцены с высоким динамическим диапазоном, изображения, снятые в сложных условиях, в вечернее и ночное время. Наш метод может найти применение не только в камерах смартфонов, но и при создании новых процессоров обработки изображений цифровых фотокамер, а также при автоматизации редактирования и цветокоррекциии фотографий в издательском деле, полиграфии, подготовке медиаконтента, профессиональной визуализации», – отметил Артем Никоноров.
Разработанный подход cmKAN был представлен на международной конференции IEEE International Conference on Computer Vision, прошедшей с 19 по 23 октября 2025 года в Гонолулу (Гавайи).

В проекте приняли участие ученые Самарского национального исследовательского университета имени С.П. Королёва, Московского физико-технического института, Научно-исследовательского института искусственного интеллекта (г. Москва), Института проблем передачи информации имени А. А. Харкевича РАН (г. Москва), Вюрцбургского университета (Германия) и Йоркского университета (Канада). Проект выполнен в рамках работы исследовательского Центра искусственного интеллекта – Центра интеллектуальной мобильности многофункциональных беспилотных авиационных систем.

Материал подготовлен при поддержке Минобрнауки России в рамках Десятилетия науки и технологий.
Вернуться на Главную