基于卷积神经网络的艺术化实例感知图像滤波
计算机视觉与模式识别
2018-09-25 v1
摘要
近年来，公众对用于编辑和美化图像的艺术化效果的广泛使用，促使研究者寻找该任务的新方法。现有大多数方法将艺术化效果应用于整幅图像。利用目标检测与语义分割等神经网络视觉技术，可成为该领域的新视角。本文中，我们利用实例分割神经网络获取类别掩码，以对图像的背景与前景分别进行滤波。我们实现了一种顶部先验掩码选择，以选取用于滤波的目标类别。滤波过程中使用了不同的艺术化效果，以满足广大用户的多样化需求。此外，我们的方法具有足够的灵活性，允许添加新滤波器。我们使用在 COCO 数据集上预训练的 Mask R-CNN 实例分割作为分割网络。给出了使用不同滤波器的实验结果。系统输出结果表明，这一新颖方法能以快速运行与简洁界面生成令人满意的艺术化图像。
引用
@article{arxiv.1809.08448,
title = {Artistic Instance-Aware Image Filtering by Convolutional Neural Networks},
author = {Milad Tehrani and Mahnoosh Bagheri and Mahdi Ahmadi and Alireza Norouzi and Nader Karimi and Shadrokh Samavi},
journal= {arXiv preprint arXiv:1809.08448},
year = {2018}
}
备注
4 pages, 5 figures