用于高效全局图像修饰的条件顺序调制
计算机视觉与模式识别
2020-09-23 v1
摘要
照片修饰旨在提升因过曝/欠曝、对比度差、饱和度不和谐等拍摄缺陷而受损图像的美学视觉质量。实际上，照片修饰可通过一系列图像处理操作完成。本文中，我们研究了一些常用修饰操作，并从数学上发现这些像素无关操作可由多层感知机（MLP）近似或表述。基于该分析，我们提出了一种极轻量框架——条件顺序修饰网络（CSRNet）——用于高效全局图像修饰。CSRNet 由基础网络与条件网络组成。基础网络类似于一个 MLP，独立处理每个像素；条件网络提取输入图像的全局特征以生成条件向量。为实现修饰操作，我们使用全局特征调制（GFM）对中间特征进行调制，其参数由条件向量变换得到。得益于 卷积的使用，CSRNet 仅含不到 37k 的可训练参数，比现有基于学习的方法小几个数量级。大量实验表明，我们的方法在 MIT-Adobe FiveK 基准数据集上定量与定性均达到了最先进（state-of-the-art）性能。代码见 https://github.com/hejingwenhejingwen/CSRNet。
引用
@article{arxiv.2009.10390,
title = {Conditional Sequential Modulation for Efficient Global Image Retouching},
author = {Jingwen He and Yihao Liu and Yu Qiao and Chao Dong},
journal= {arXiv preprint arXiv:2009.10390},
year = {2020}
}
备注
ECCV 2020