BigColor：利用生成式颜色先验对自然图像进行着色
计算机视觉与模式识别
2022-07-21 v1
摘要
为了实现逼真而生动的着色，生成式先验近来被加以利用。然而，此类生成式先验由于其有限的表示空间，常对野外的复杂图像失效。本文提出BigColor，一种新颖的着色方法，为具有复杂结构的多样化野外图像提供生动的着色。先前的生成式先验被训练来同时合成图像结构与颜色，而我们学习一个生成式颜色先验，在给定图像空间结构的情况下专注于颜色合成。以此方式，我们减轻了生成式先验合成图像结构的负担，并扩展其表示空间以覆盖多样化图像。为此，我们提出一个受BigGAN启发的编码器-生成器网络，该网络使用空间特征图而非空间扁平化的BigGAN潜码，从而实现了扩大的表示空间。我们的方法在单次前向传播中即可对多样化输入实现鲁棒着色，支持任意输入分辨率，并提供多模态着色结果。我们证明BigColor尤其在具有复杂结构的野外图像上显著优于现有方法。
引用
@article{arxiv.2207.09685,
title = {BigColor: Colorization using a Generative Color Prior for Natural Images},
author = {Geonung Kim and Kyoungkook Kang and Seongtae Kim and Hwayoon Lee and Sehoon Kim and Jonghyun Kim and Seung-Hwan Baek and Sunghyun Cho},
journal= {arXiv preprint arXiv:2207.09685},
year = {2022}
}