Image color transfer — это направление компьютерного зрения, связанное с переносом цветовых характеристик одного изображения на другое. Исходный кадр сохраняет композицию, объекты и основные детали, но получает палитру референса: распределение оттенков, контрастность, насыщенность и особенности освещения. Такой подход применяется в нейросетевых редакторах, генеративных сервисах и инструментах постобработки. Классические методы переноса цвета работают со статистическими параметрами изображения. Они сопоставляют средние значения и распределения цветов в выбранном цветовом пространстве, а затем корректируют целевой кадр. Эти алгоритмы быстро обрабатывают данные и подходят для простых сцен, однако могут давать неточный результат, если изображения сильно различаются по содержанию. Например, цвет неба с референса иногда переносится на объекты, которые должны сохранять нейтральный оттенок. Нейросетевые модели решают задачу точнее за счёт анализа контекста. Они распознают смысловые области изображения: лица, одежду, фон, растительность, архитектуру и источники света. Благодаря этому перенос палитры становится локальным, а не равномерным. Модель может изменить атмосферу пейзажа, не нарушая естественный цвет кожи человека или читаемость мелких деталей. Отдельное направление image color transfer связано с обработкой видео. Здесь важна временная согласованность: цветовая схема не должна резко меняться между соседними кадрами. Современные модели учитывают движение объектов и сохраняют единый визуальный стиль сцены. Это востребовано при подготовке рекламных роликов, музыкальных клипов, коротких видео для социальных сетей и предварительной цветокоррекции материалов. Технология также используется при реставрации архивных фотографий, стилизации иллюстраций, создании датасетов и адаптации изображений под фирменную палитру бренда. В генеративных системах перенос цвета помогает точнее управлять результатом без сложного описания оттенков в текстовом запросе. Пользователь выбирает подходящий референс, а модель интерпретирует его визуальные свойства.