Cara Memperbaiki Color Cast pada Foto dengan AI — Magic Eraser
Pelajari cara mengidentifikasi dan memperbaiki color cast yang tidak diinginkan dari pencahayaan campuran, bola lampu neon. White balance yang salah menggunakan alat koreksi foto berbasis AI. Panduan langkah demi langkah dengan teknik ahli.
SEO & Growth
Ditinjau oleh Magic Eraser Editorial ·
Color cast adalah salah satu masalah paling umum dalam fotografi, namun tetap menjadi salah satu yang paling sering disalahpahami. Setiap sumber cahaya memancarkan foton dengan distribusi spektral tertentu yang secara otomatis dikompensasi oleh otak Anda — sebuah fenomena yang disebut adaptasi kromatik — tetapi kamera Anda merekamnya secara apa adanya. Bola lampu tungsten memancarkan radiasi berat dalam spektrum oranye-merah dan menghasilkan warna hangat yang membuat putih tampak seperti krim dan bayangan tampak seperti amber. Tabung neon memancarkan lonjakan sempit pada panjang gelombang tertentu, sering kali menghasilkan rona hijau atau cyan yang tidak sehat dan umumnya tidak menarik pada kulit. Panel LED sangat bervariasi tergantung pada lapisan fosfornya. LED murah dapat menghasilkan rona magenta atau kuning-hijau yang tidak dapat diperbaiki dengan bersih oleh preset white balance standar mana pun. Pengaturan pencahayaan campuran, di mana dua atau lebih jenis sumber menerangi bagian berbeda dari pemandangan, menciptakan color cast yang bervariasi secara spasial yang tidak dapat diperbaiki dengan satu penyesuaian slider global.
Koreksi color cast tradisional di Photoshop atau Lightroom melibatkan penyesuaian manual slider white balance temperature dan tint, kemudian fine-tuning saluran warna individual melalui kurva atau alat selective color. Proses ini membutuhkan mata yang terlatih, monitor yang dikalibrasi, dan banyak kesabaran. Memperbaiki foto resepsi pernikahan yang diambil dalam kondisi campuran tungsten dan pencahayaan DJ dapat memakan waktu lima belas hingga dua puluh menit per gambar. Bagi para ahli yang memproses ratusan foto acara atau foto produk yang diambil dalam pencahayaan tidak konsisten, koreksi manual menjadi hambatan waktu yang besar. Kesulitan bertambah ketika color cast bervariasi dalam satu bingkai: subjek di dekat jendela tampak biru-dingin sementara subjek yang sama di dekat lampu meja tampak oranye-hangat. Tidak ada satu pengaturan white balance pun yang dapat memperbaiki keduanya sekaligus.
AI color correction mengubah persamaan ini pada intinya. Jaringan saraf modern yang dilatih pada jutaan gambar dengan white balance yang benar dapat mengidentifikasi permukaan apa dalam foto yang seharusnya netral, warna kulit apa yang seharusnya terlihat sehat, dan tanda tangan spektral apa yang disumbangkan oleh setiap sumber cahaya dalam pemandangan, kemudian menerapkan koreksi yang sadar spasial yang menangani setiap zona pencahayaan secara mandiri. Panduan ini memandu Anda melalui alur kerja lengkap untuk mendiagnosis dan memperbaiki color cast menggunakan alat AI Magic Eraser, mulai dari perbaikan sumber tunggal yang memakan waktu detik hingga skenario pencahayaan campuran kompleks yang tidak praktis untuk diperbaiki secara manual. Baik Anda memperbaiki interior real estat bernada tungsten, potret kantor hijau neon, atau foto pernikahan yang diambil di bawah empat uplight berwarna berbeda, teknik di sini akan menghasilkan hasil yang bersih dan netral dengan warna kulit yang tampak alami.
- AI color correction mengidentifikasi permukaan netral dan spektrum sumber cahaya secara otomatis, menerapkan penyesuaian white balance yang sadar spasial yang menangani setiap zona pencahayaan secara mandiri dalam satu bingkai.
- Pengaturan pencahayaan campuran — tungsten plus siang hari, neon plus LED — menghasilkan color cast yang bervariasi secara spasial yang tidak dapat diperbaiki oleh satu slider white balance. AI dapat memperbaiki setiap zona secara terpisah dengan mendeteksi batas sumber cahaya.
- Warna kulit memerlukan perawatan terisolasi karena persepsi manusia secara unik sensitif terhadap warna kulit yang tidak alami, membutuhkan penyesuaian midtone hue dan saturation secara terpisah setelah color cast global diperbaiki.
- Alur kerja koreksi bergerak dari white balance otomatis global ke penyesuaian selektif regional ke fine-tuning spesifik kulit, setiap langkah mempersempit kesalahan warna yang tersisa secara progresif.
- Verifikasi terhadap titik referensi netral — putih, abu-abu, palet warna kulit — memastikan koreksi akurat dan bukan sekadar menukar satu color cast dengan color cast lainnya.
Memahami suhu warna, white balance, dan mengapa color cast terjadi
Suhu warna, diukur dalam Kelvin, menggambarkan distribusi spektral sumber cahaya dengan membandingkannya dengan radiasi yang dipancarkan oleh blackbody ideal yang dipanaskan hingga suhu tersebut. Suhu warna rendah sekitar 2700K — tipikal bola lampu pijar dan lilin — menghasilkan cahaya yang sangat berat ke arah ujung spektrum merah dan oranye. Suhu menengah mendekati 5500K mendekati siang hari dengan distribusi spektral yang cukup merata. Suhu tinggi di atas 7000K, ditemukan di tempat teduh terbuka dan langit mendung, menggeser puncak spektral ke arah biru. Sensor kamera Anda menangkap perbedaan spektral ini secara apa adanya, merekam pemandangan sebagaimana cahaya sebenarnya meneranginya. Pengaturan white balance memberi tahu kamera suhu warna mana yang akan diperlakukan sebagai netral. Ketika pengaturan itu tidak cocok dengan pencahayaan sebenarnya, hasilnya adalah color cast di seluruh gambar.
Masalah menjadi jauh lebih kompleks dalam pengaturan pencahayaan campuran, yang jauh lebih umum daripada yang disadari fotografer. Interior real estat dapat menggabungkan siang hari yang masuk melalui jendela pada 5600K, lampu sorot halogen tersembunyi pada 3200K, dan strip neon di bawah kabinet pada suhu efektif mendekati 4100K dengan lonjakan hijau. Adegan restoran mungkin memiliki bola lampu Edison tungsten, LED aksen berwarna, dan siang hari dari pintu masuk — semuanya mengenai subjek yang sama dari sudut yang berbeda. Dalam situasi ini, tidak ada satu nilai white balance pun yang menghasilkan hasil yang benar di mana pun dalam bingkai. Menyetel white balance untuk cahaya jendela mengubah interior menjadi oranye gelap. Menyetelnya untuk interior membuat pemandangan jendela menjadi sangat biru. Fotografer harus memilih yang lebih kecil dari dua kejahatan saat pengambilan gambar dan mengandalkan pasca-pemrosesan untuk memperbaiki sisa color cast. Di sinilah koreksi AI menjadi kunci.
Algoritme auto white balance kamera telah meningkat pesat tetapi tetap terbatas karena mereka menggunakan heuristik statistik daripada pemahaman pemandangan yang sebenarnya. Sebagian besar sistem auto white balance berasumsi bahwa warna rata-rata di seluruh bingkai harus abu-abu netral — asumsi dunia abu-abu — atau bahwa tambalan paling terang dalam pemandangan adalah putih. Asumsi-asumsi ini gagal secara spektakuler dalam banyak situasi dunia nyata. Ladang rumput hijau melanggar asumsi dunia abu-abu dan menyebabkan kamera menambahkan magenta sebagai kompensasi. Langit senja tidak memiliki putih sejati dan kamera dapat terjepit ke netral yang salah. Auto white balance juga tidak dapat menangani variasi spasial sama sekali. Ia menerapkan satu koreksi secara global, yang secara inheren salah ketika banyak sumber cahaya memberikan color cast yang berbeda ke berbagai wilayah bingkai yang sama.
- Suhu warna dalam Kelvin menggambarkan distribusi spektral sumber cahaya: 2700K untuk tungsten hangat, 5500K untuk siang hari netral, 7000K+ untuk tempat teduh yang sejuk, dengan color cast muncul ketika white balance tidak cocok dengan pencahayaan sebenarnya.
- Lingkungan pencahayaan campuran — beberapa sumber pada suhu warna berbeda mengenai pemandangan yang sama — menghasilkan color cast yang bervariasi secara spasial yang tidak dapat diselesaikan oleh satu slider white balance secara global.
- Auto white balance kamera mengandalkan heuristik statistik seperti asumsi dunia abu-abu, gagal ketika pemandangan didominasi oleh satu warna, tidak memiliki putih sejati, atau mengandung banyak jenis sumber cahaya.
- AI color correction melampaui auto white balance dengan memahami konten pemandangan, mengidentifikasi permukaan netral secara kontekstual, dan menerapkan koreksi khusus wilayah daripada satu pergeseran global tunggal.
Mendiagnosis jenis color cast yang tepat sebelum Anda memperbaikinya
Diagnosis yang akurat adalah langkah terpenting dalam koreksi color cast karena diagnosis yang salah menyebabkan koreksi yang salah, dan koreksi berlebihan ke arah yang salah menghasilkan hasil yang terlihat bahkan lebih buruk daripada color cast asli. Teknik diagnosis pertama adalah pemeriksaan referensi netral. Carilah objek dalam pemandangan yang Anda tahu seharusnya akromatik: kemeja putih, dinding beton abu-abu, peralatan stainless steel, selembar kertas printer. Sample area ini dengan alat eyedropper dan periksa nilai RGB. Dalam gambar yang seimbang dengan benar, objek netral memiliki nilai merah, hijau, dan biru dalam beberapa poin satu sama lain. Jika dinding putih Anda terukur pada R:210 G:178 B:145, Anda memiliki color cast hangat yang kuat (merah dan hijau dominan, biru kurang). Jika terbaca R:165 G:185 B:200, Anda memiliki color cast biru yang sejuk.
Teknik diagnosis kedua adalah memeriksa bayangan secara khusus. Wilayah bayangan mengungkapkan warna cahaya sekitar lebih jelas daripada area yang langsung terkena cahaya. Area terang sering kali meledak atau terpotong, yang menyembunyikan bias warnanya. Midtone mengandung kontribusi campuran dari beberapa sumber. Tetapi bayangan diterangi terutama oleh cahaya isian sekitar — yang dipantulkan dari dinding, langit-langit, dan permukaan lainnya — yang memusatkan color cast lingkungan. Di ruangan dengan pencahayaan neon di atas kepala, bayangan di bawah meja akan menunjukkan rona hijau yang menonjol bahkan jika permukaan yang langsung terkena cahaya tampak lebih dekat ke netral. Alat AI diagnostic dapat mengambil sampel wilayah bayangan secara otomatis dan menampilkan warna color cast dominan sebagai indikator visual, sehingga memudahkan untuk mengidentifikasi rona halus yang mungkin terlewatkan oleh mata yang tidak terlatih.
Teknik diagnosis ketiga menangani pemandangan color cast campuran dengan menganalisis gambar dalam zona. Bagilah bingkai secara mental atau dengan panduan potong menjadi wilayah yang sesuai dengan pengaruh sumber cahaya yang berbeda. Area dekat jendela mendapat satu analisis, area di bawah perlengkapan langit-langit mendapat analisis lain, dan area dekat dinding aksen berwarna mendapat yang ketiga. Setiap zona akan menunjukkan warna dan intensitas color cast yang berbeda. Mendokumentasikan perbedaan zona-ke-zona ini sebelum Anda mulai mengoreksi memastikan bahwa pendekatan Anda menangani setiap wilayah dengan benar daripada menerapkan satu koreksi yang membantu satu zona sambil memperburuk zona lain. Alat AI dapat melakukan analisis zonal ini secara otomatis dengan mendeteksi batas sumber cahaya dalam geometri pemandangan dan melaporkan karakteristik cast setiap zona secara mandiri.
- Sample objek yang diketahui netral (kertas putih, dinding abu-abu, stainless steel) dengan eyedropper — nilai RGB yang terpisah lebih dari sepuluh poin menunjukkan color cast ke arah saluran yang dominan.
- Wilayah bayangan mengungkapkan warna cahaya sekitar lebih jelas daripada area terang atau midtone karena mereka menerima isian lingkungan daripada pencahayaan langsung dari sumber utama.
- Pemandangan color cast campuran memerlukan analisis zona-ke-zona — setiap area yang dipengaruhi oleh sumber cahaya yang berbeda akan menunjukkan warna dan intensitas color cast yang berbeda yang membutuhkan koreksi terpisah.
- Alat AI diagnostic mengotomatiskan deteksi cast zonal dengan mengidentifikasi batas sumber cahaya dalam geometri pemandangan dan melaporkan karakteristik cast per wilayah sebelum koreksi apa pun diterapkan.
Memperbaiki color cast sumber tunggal dengan white balance otomatis AI
Ketika sebuah foto diambil sepenuhnya di bawah satu jenis sumber cahaya — studio potret dengan hanya lampu modeling tungsten, flat-lay produk di bawah panel LED seimbang siang hari, atau bidikan luar ruangan di tempat teduh terbuka — color cast yang dihasilkan seragam di seluruh bingkai dan merespons dengan baik koreksi AI otomatis. Unggah gambar ke Magic Eraser, pilih AI Enhance, dan aktifkan fungsi white balance otomatis. Model AI menganalisis seluruh gambar, mengidentifikasi permukaan dengan keyakinan tinggi sebagai netral (area dengan saturasi rendah dan luminance sedang yang secara statistik kemungkinan besar berwarna abu-abu atau putih), menghitung pergeseran warna yang diperlukan untuk membuat permukaan tersebut benar-benar akromatik, dan menerapkan pergeseran itu ke seluruh gambar. Untuk color cast sumber tunggal, koreksi satu klik ini sangat akurat, sering kali membawa permukaan netral ke dalam tiga hingga lima poin RGB dari netral sejati.
Koreksi otomatis bekerja dengan menyelesaikan dua persamaan sekaligus: temperature (sumbu biru-ke-amber) dan tint (sumbu hijau-ke-magenta). Color cast tungsten standar memerlukan pergeseran kuat ke arah suhu yang lebih dingin dan penyesuaian tint minimal. Color cast neon sering kali memerlukan koreksi suhu sedang plus pergeseran tint magenta besar untuk melawan lonjakan hijau dalam spektrum emisi neon. Color cast LED dapat memerlukan koreksi pada kedua sumbu tergantung pada kualitas panel. Model AI telah mempelajari profil koreksi khas ini dari data pelatihannya dan menerapkannya dengan keyakinan tinggi ketika mendeteksi color cast yang konsisten di seluruh bingkai. Hasilnya biasanya tidak memerlukan penyesuaian manual lebih lanjut untuk pemandangan sumber tunggal, menghemat menit-menit penyesuaian slider yang diperlukan oleh koreksi manual.
Kasus tepi di mana koreksi otomatis kesulitan dengan pemandangan sumber tunggal termasuk pemandangan yang sengaja dibuat hangat (matahari terbenam, makan malam cahaya lilin) di mana cahaya hangat adalah bagian dari niat kreatif daripada kesalahan, dan pemandangan di mana warna subjek dominan memihak deteksi netral (mobil sport merah yang mengisi sebagian besar bingkai membuat algoritme berpikir ada color cast hangat padahal tidak). Untuk kehangatan yang disengaja, gunakan koreksi pada intensitas yang dikurangi: terapkan white balance otomatis lalu campurkan pada lima puluh hingga tujuh puluh persen dengan aslinya untuk mempertahankan kehangatan sambil menghilangkan oranye-amber berlebihan yang membuat pemandangan terlihat seperti kesalahan white balance daripada pilihan kreatif. Untuk subjek warna dominan, secara manual kecualikan subjek dari wilayah analisis sehingga algoritme mendasarkan deteksi netralnya pada latar belakang dan elemen sekunder.
- Color cast sumber tunggal merespons white balance otomatis AI satu klik, yang mengidentifikasi permukaan netral dan menghitung pergeseran temperature dan tint yang tepat untuk membuatnya akromatik.
- AI memperbaiki kedua sumbu secara bersamaan — temperature untuk spektrum biru-amber dan tint untuk spektrum hijau-magenta — mencocokkan profil koreksi khas dari setiap jenis sumber cahaya.
- Pemandangan yang sengaja dibuat hangat harus diperbaiki pada intensitas yang dikurangi (campuran lima puluh hingga tujuh puluh persen) untuk mempertahankan kehangatan kreatif sambil menghilangkan color cast berlebihan yang terbaca sebagai kesalahan teknis.
- Subjek warna dominan dapat memihak deteksi netral — kecualikan mereka dari wilayah analisis sehingga algoritme mendasarkan koreksi pada netral latar belakang sebagai gantinya.
Koreksi pencahayaan campuran tingkat lanjut dengan penyesuaian AI regional
Pencahayaan campuran adalah skenario utama di mana AI color correction memberikan nilai yang tidak dapat ditandingi secara praktis oleh alat manual. Pertimbangkan situasi fotografi real estat yang umum: dapur memiliki siang hari dari jendela di kiri, lampu downlight halogen tersembunyi di atas, dan pencahayaan tugas neon di bawah kabinet. Sisi meja yang terkena siang hari terbaca netral. Pusat yang diterangi halogen terbaca amber hangat. Backsplash yang diterangi neon terbaca hijau-kuning. Koreksi white balance global yang memperbaiki pusat membuat sisi jendela menjadi biru dan backsplash menjadi lebih hijau. Yang diperlukan adalah tiga koreksi terpisah yang diterapkan pada tiga wilayah terpisah dengan transisi yang mulus di antaranya. AI dapat mengidentifikasi wilayah ini secara otomatis dari geometri pemandangan dan distribusi cahaya.
Alur kerja koreksi regional di Magic Eraser menggunakan AI Enhance dengan kemampuan deteksi zonanya. Alat ini secara otomatis membagi gambar menjadi wilayah-wilayah dengan color cast yang konsisten, menggambar batas di sepanjang tepi alami (di mana dinding bertemu langit-langit, di mana transisi bayangan menunjukkan sumber cahaya yang berbeda, di mana perubahan material permukaan menunjukkan sifat reflektif yang berbeda), dan menerapkan koreksi white balance independen ke setiap zona. Koreksi dihaluskan di seluruh batas menggunakan gradient mask yang mengikuti falloff cahaya alami, menghasilkan transisi yang terlihat masuk akal secara fisik daripada menunjukkan tepi koreksi yang keras. Untuk interior real estat tipikal dengan tiga sumber cahaya, proses koreksi zona ini memakan waktu sekitar sepuluh detik dibandingkan dengan lima hingga sepuluh menit yang diperlukan untuk membuat mask secara manual, menghaluskan tepi, dan menyesuaikan setiap zona secara terpisah di perangkat lunak pengeditan tradisional.
Fotografi pernikahan dan acara menghadirkan tantangan pencahayaan campuran yang paling ekstrem karena kondisi pencahayaan berubah dari bingkai ke bingkai dan bahkan dalam satu bingkai. Sebuah upacara dapat menggabungkan cahaya jendela kaca patri, lampu gantung di atas, dan flash fotografer. Sebuah resepsi menggabungkan uplight berwarna DJ, lilin meja, neon di atas kepala, dan flash sesekali. Koreksi AI menangani skenario ini dengan memproses setiap gambar secara mandiri, mendeteksi campuran pencahayaan unik di setiap bingkai, dan menerapkan koreksi zonal yang tepat tanpa fotografer harus mendiagnosis dan menangani setiap gambar secara manual. Untuk satu batch lima ratus foto resepsi yang diambil selama empat jam di bawah uplight berwarna yang terus berubah, AI batch processing dengan koreksi zonal dapat menghasilkan hasil yang bersih dan netral dalam hitungan menit dibandingkan dengan hari-hari kerja koreksi manual yang seharusnya diperlukan.
- Pencahayaan campuran memerlukan koreksi khusus wilayah — deteksi zona AI mengidentifikasi area dengan color cast yang konsisten dan menerapkan pergeseran white balance independen dengan transisi yang dihaluskan di sepanjang batas alami.
- Interior real estat dengan sumber siang hari, halogen, dan neon mendapatkan koreksi tiga zona dalam sepuluh detik versus lima hingga sepuluh menit masking manual dan penyesuaian slider per zona.
- Foto pernikahan dan acara dengan uplight berwarna, lilin, dan flash yang terus berubah mendapat manfaat dari AI batch processing yang mendiagnosis dan memperbaiki campuran pencahayaan unik setiap bingkai secara independen.
- Batas koreksi mengikuti tepi pemandangan alami (persimpangan dinding-langit-langit, transisi bayangan, perubahan material) sehingga hasilnya terlihat masuk akal secara fisik tanpa jahitan koreksi yang terlihat.
Mempertahankan niat kreatif sambil menghilangkan kesalahan warna teknis
Tidak setiap pergeseran warna dalam foto adalah kesalahan. Cahaya golden hour menghasilkan color cast hangat yang merupakan alasan utama fotografer memotret pada waktu itu. Rambu neon menciptakan pantulan berwarna yang menambah atmosfer pada fotografi jalanan. Kaca patri melemparkan cahaya berwarna ke interior gereja dalam pola yang menceritakan sebuah kisah. Senja blue hour menciptakan palet sejuk yang menyampaikan suasana hati tertentu. Tantangan dalam koreksi color cast adalah membedakan antara kesalahan teknis yang tidak diinginkan (rona hijau neon pada headshot korporat) dan warna kreatif yang diinginkan (cahaya amber hangat dari suasana bola lampu Edison restoran). Alat koreksi AI yang menetralkan semuanya secara agresif dapat menghilangkan warna kreatif bersama dengan kesalahan, menghasilkan hasil yang benar secara teknis tetapi datar secara emosional.
Solusinya adalah koreksi parsial yang disengaja: menggunakan kekuatan diagnostik AI untuk mengidentifikasi dan mengukur semua pergeseran warna dalam pemandangan, kemudian menerapkan koreksi secara selektif berdasarkan pergeseran mana yang mendukung gambar dan mana yang tidak. Untuk foto interior restoran, Anda mungkin ingin mempertahankan cahaya sekitar hangat dari bola lampu Edison sambil menghilangkan rona hijau dari pencahayaan neon dapur yang merembes ke latar belakang. AI dapat memisahkan ini berdasarkan wilayah: terapkan koreksi penuh ke area yang terkontaminasi neon sambil membiarkan area yang diterangi tungsten tidak dikoreksi atau hanya dikoreksi sebagian. Pendekatan selektif ini mempertahankan atmosfer yang membuat restoran menarik sambil menghilangkan hijau tidak menarik yang membuat makanan tampak tidak menggugah selera.
Perlindungan warna kulit adalah aspek paling kritis dari koreksi yang sadar niat kreatif — bahkan ketika Anda ingin mempertahankan warna lingkungan. Tungsten hangat untuk kenyamanan, senja biru untuk suasana hati — Anda hampir tidak pernah ingin warna itu mengontaminasi warna kulit hingga titik di mana orang terlihat tidak sehat. Pendekatan yang direkomendasikan adalah mengoreksi warna kulit ke keadaan netral-sehat terlepas dari strategi koreksi lingkungan, kemudian membiarkan color cast lingkungan tetap ada di latar belakang, permukaan, dan elemen non-kulit. AI subject detection dapat mengisolasi kulit secara otomatis, menerapkan koreksi netral penuh hanya ke wilayah tersebut, dan membiarkan sisa gambar pada keseimbangan warna kreatif apa pun yang Anda inginkan. Ini menghasilkan yang terbaik dari kedua dunia: latar yang kaya atmosfer dengan orang-orang yang tampak sehat alami menghuninya.
- Tidak semua pergeseran warna adalah kesalahan — kehangatan golden hour, pantulan neon, dan rona sejuk blue hour adalah pilihan kreatif yang dapat dihancurkan oleh koreksi netral yang agresif, meratakan gambar secara emosional.
- Koreksi parsial menggunakan diagnostik AI untuk mengidentifikasi semua pergeseran warna, kemudian menerapkan koreksi hanya pada color cast yang tidak diinginkan sambil mempertahankan warna atmosfer yang diinginkan di wilayah lain.
- Warna kulit harus diperbaiki ke netral-sehat terlepas dari niat lingkungan. AI subject detection mengisolasi kulit untuk koreksi penuh sambil membiarkan warna suasana di latar belakang dan permukaan.
- Tujuannya adalah memisahkan kesalahan teknis dari niat kreatif: hilangkan hijau neon pada makanan sambil mempertahankan cahaya hangat Edison yang membuat restoran terasa mengundang.
Sumber
- Computational Color Constancy: Survey and Experiments — IEEE Transactions on Image Processing
- Color Temperature and White Balance in Digital Photography — ACM SIGGRAPH
- Deep White-Balance Editing for Consistent and Accurate Color Reproduction — arXiv