注意力感知的动漫线稿上色

动漫线稿的自动上色近年来备受关注，因其可大幅惠及动画产业。基于用户提示的方法是线稿上色的主流途径，而基于参考的方法提供了更直观的方式。然而，尽管基于参考的方法能改善参考图像与线稿的特征聚合，其上色结果在颜色一致性或语义对应方面并不令人满意。本文引入一种基于注意力的动漫线稿上色模型，其中使用通道与空间维度的卷积注意力模块以提升编码器特征提取与关键区域感知能力，并使用具有交叉注意力与自注意力的 Stop-Gradient Attention 模块来解决跨域长程依赖问题。大量实验表明，我们的方法优于其他 SOTA 方法，具有更精确的线结构与语义颜色信息。