基于对抗学习的美学驱动图像增强
计算机视觉与模式识别
2018-07-03 v2
摘要
我们介绍了EnhanceGAN，一种基于对抗学习的自动图像增强模型。传统的图像增强框架通常需要以全监督方式训练模型，这需要昂贵的对齐图像对形式的标注。与这些方法相比，我们提出的EnhanceGAN仅需要弱监督（关于图像美学质量的二元标签），并且能够学习用于基于美学的图像增强任务的增强算子。特别地，我们展示了通过弱监督训练的逐段颜色增强模块的有效性，并将所提出的EnhanceGAN框架扩展到学习基于深度滤波的美学增强器。我们的图像增强算子的完全可微性使得EnhanceGAN能够以端到端的方式进行训练。我们进一步展示了EnhanceGAN在没有任何真实裁剪对的情况下学习基于美学的图像裁剪的能力。我们的弱监督EnhanceGAN在基于美学的颜色增强和自动图像裁剪方面报告了有竞争力的定量结果，用户研究证实我们的图像增强结果与专业增强相当甚至更受欢迎。
引用
@article{arxiv.1707.05251,
title = {Aesthetic-Driven Image Enhancement by Adversarial Learning},
author = {Yubin Deng and Chen Change Loy and Xiaoou Tang},
journal= {arXiv preprint arXiv:1707.05251},
year = {2018}
}