一种用于带非局部注意力的学习型色彩增强的由粗到细框架
计算机视觉与模式识别
2019-07-23 v2
摘要
自动色彩增强旨在自适应地将照片调整至预期的风格与色调。对于该领域当前的学习方法，全局和谐感知与局部细节难以在单一模型中同时被良好兼顾。为解决此问题，本文提出一种带非局部注意力的由粗到细色彩增强框架。在我们的框架内，提出将增强过程划分为由两级级联卷积神经网络（CNNs）执行的通道级增强与像素级精修。在通道级增强中，我们的模型预测输入图像 RGB 通道的全局线性映射以进行全局风格调整。在像素级精修中，我们利用残差学习学到用于局部调整的精修映射。此外，我们采用非局部注意力模块从全局信息中捕获长距离依赖，以用于后续的细粒度局部精修。我们在常用基准上评估所提框架，并开展充分实验以证明其中的各技术组件。
引用
@article{arxiv.1906.03404,
title = {A Coarse-to-Fine Framework for Learned Color Enhancement with Non-Local Attention},
author = {Chaowei Shan and Zhizheng Zhang and Zhibo Chen},
journal= {arXiv preprint arXiv:1906.03404},
year = {2019}
}
备注
To appear in ICIP19