ColorFLUX：面向旧照片上色的结构-颜色解耦框架

旧照片保存着不可磨灭的历史记忆，其修复和上色备受推崇。虽然现有的修复模型可解决一些退化问题，如去噪和划痕处理，但往往难以实现准确的上色。这种限制源于旧照片固有的退化，如褪色的亮度和改变的色调，这些不同于现代照片分布，导致在上色期间出现显著的领域间隙。本文提出了一种基于生成式扩散模型 FLUX 的新颖旧照片上色框架。我们的方法引入了结构-颜色解耦策略，将结构保持与颜色恢复分离，实现对旧照片进行准确上色，同时保持结构一致性。我们进一步通过分段 Direct Preference Optimization(Pro-DPO) 策略增强了该模型，该策略允许模型通过颜色增强中的粗到细过渡学习细微的颜色偏好。此外，我们针对基于文本的提示的局限性，引入了视觉语义提示，这些提示直接从旧照片中提取细粒度语义信息，帮助消除旧照片固有的颜色偏差。实验结果在合成数据集和真实数据集上都表明，我们的方法优于现有的领先上色方法，包括商业模型，产生高质量和生动的上色效果。