CanonCGT：通过规范枢轴表示实现基于参考图像的色彩分级

基于摘要分析。该研究针对基于参考图像的色彩分级：在保留输入图像色彩和谐与场景结构的同时，复现参考图像的色调氛围和光照。作者提出 CanonCGT，以风格中性的 canonical pivot（规范枢轴表示）作为中间表示，缓解既有方法色调映射过度偏移或颜色保留不一致的问题。 方法分为两个阶段：首先消除输入图像固有的色调偏置，将其转换为规范表示；随后依据参考图像完成色彩分级。训练方案 DP-CGT 将有监督的预设风格学习与非配对照片上的自监督细化结合。其主要机制是先降低输入自身风格对映射的影响，再施加目标风格，而非直接完成输入到参考风格的映射；中间表示的具体约束、监督构造与损失形式尚未验证。 作者报告，在多个数据集上，该方法能够生成具有照片真实感且色调一致的结果，并在稳定性与视觉保真度方面优于现有先进方法。摘要未提供数据集名称、划分、对照方法、指标或数值，因此尚不能判断优势幅度及适用边界；实验协议、消融及统计信息尚未验证。作者在摘要中提供了代码仓库链接，但实现内容与复现条件尚未核验。 原论文的主要研究对象是照片色彩映射，而非神经信号分析。其机制依赖输入图像、参考风格及照片训练数据；现有材料未建立色调规范化与 EEG 中被试、会话或设备偏移之间的具体对应关系，因此不据此提出 BCI 迁移结论或复现实验建议。已有 EEG 相关工作尚未检索确认。