Cet examen présente un nouveau calcul de colorisation d'image qui déplace les informations de dissimulation de l'image de référence vers l'image objective. Cette évaluation traite la question de l'errance dans un pays imaginaire d'un type de dissimulation possible de la photographie. Étant donné que les images de référence et les images objectives peuvent contenir du contenu à des échelles de contraste différentes ou non (en raison des changements de division entre les objets et l'appareil photo), les systèmes existants basés sur la planification de surface peuvent toujours être insuffisamment performants. Nous proposons une nouvelle procédure de planification des fixations à plusieurs échelles pour améliorer la générosité et la nature des résultats de la colorisation en utilisant un cadre neuronal significatif. Les échelles d'organisation adaptées sont considérées localement, puis appliquées. Utiliser des corrections globales qui réduisent à la fois les problèmes d'organisation et la distinction spatiale des échelles. Pour rendre logiquement possible des colorisations d'images profondément différenciées, le système utilise de la même manière deux ou trois stratégies supplémentaires, dont le traitement de la moyenne et un travail particulaire de rééquilibrage de la dissimulation.

Sheshang D. Degadwala est actuellement professeur associé et chef du département d'ingénierie informatique du Sigma Institute of Engineering, à Vadodara. Il est également certifié Microsoft en programmation Python et Excel. Il a publié 8 livres et a obtenu une subvention pour un brevet. 35 prix lui ont été décernés pour ses réalisations universitaires et de recherche.