通过从美学照片学习构图实现端到端图像裁剪神经网络
计算机视觉与模式识别
2019-08-23 v3
摘要
作为图像编辑的基础技术之一，图像裁剪丢弃不相关内容并保留图像中令人愉悦的部分，以改善整体构图并获得更好的视觉/美学感知。本文我们主要关注提高自动图像裁剪的精度，并进一步探索其在公共数据集上以高效率应用的潜力。为此，我们提出了一种基于深度学习的框架，从具有高美学质量的照片中学习目标构图，其中通过一个带高斯核的卷积神经网络（CNN）检测锚区域，以保持感兴趣目标的完整性。该初始检测到的锚区域随后被输入一个轻量回归网络以获得最终裁剪结果。与提出并迭代评估多个候选区域的传统方法不同，我们的模型仅产生单个锚区域，并直接映射到最终输出。因此，所提方法所需的计算资源较低。在公共数据集上的实验结果表明，裁剪精度与效率均达到了 SOTA 性能。
引用
@article{arxiv.1907.01432,
title = {An End-to-End Neural Network for Image Cropping by Learning Composition from Aesthetic Photos},
author = {Peng Lu and Hao Zhang and Xujun Peng and Xiaofu Jin},
journal= {arXiv preprint arXiv:1907.01432},
year = {2019}
}