基于卷积神经网络和生成对抗网络的自动图像上色
计算机视觉与模式识别
2025-08-20 v2 人工智能
机器学习
图像与视频处理
摘要
图像上色是为灰度图像添加颜色的任务，近年来在计算机视觉领域受到广泛关注，因其在彩色恢复和自动动画上色等多个应用领域具有重要价值[15, 1]。上色问题具有挑战性，因为它高度欠定——损失了图像三个维度中的两个，导致自由度大幅增加。然而，场景语义以及表面纹理可为颜色提供重要线索：天空通常是蓝色的，云朵通常是白色的，草地通常是绿色的，且由于任何彩色图像都可作为训练数据点[20]，因此可获得大量训练数据来学习此类先验知识。上色最初被形式化为回归任务[5]，但忽略了颜色预测的多模态性。在本项目中，我们通过分类和对抗学习探索自动图像上色。我们将基于先前工作构建模型，针对特定场景进行修改并进行比较。
引用
@article{arxiv.2508.05068,
title = {Automatic Image Colorization with Convolutional Neural Networks and Generative Adversarial Networks},
author = {Changyuan Qiu and Hangrui Cao and Qihan Ren and Ruiyu Li and Yuqing Qiu},
journal= {arXiv preprint arXiv:2508.05068},
year = {2025}
}
备注
All authors have equal authorship and equal contribution, ranked in alphabetic order. First version of this paper was completed and published in 2021