연구진이 색상 변환 문제를 해결하기 위해 최적화-학습 프레임워크 ColorFM을 제안했어요. ColorFM은 플로우 매칭을 활용해 픽셀 분포를 이동시켜 정확하고 의미 일관성 있는 색상 변환 결과를 얻도록 설계됐어요.
ColorFM-O는 계층적 색상 결합과 의미 기반 사전 지식을 활용해 속도장을 조정하고, 고품질의 페어 데이터를 생성해 pseudo-supervision으로 활용돼요.
ColorFM-L은 생성된 페어 데이터를 기반으로 학습된 효율적인 feed-forward 모델로, 깊은 의미 특징을 추출해 양방향 선형화된 수송을 위한 속도장 파라미터를 예측해요.