由属性基文本表示引导的内容自适应图像修饰
计算机视觉与模式识别
2025-12-11 v1
摘要
图像修饰因其能够实现高质量视觉内容而受到广泛关注。现有方法主要依赖于整个图像上的统一像素级颜色映射，忽略了由图像内容引起的固有颜色变化。这一限制阻碍了现有方法实现适应性修饰的能力，后者需要同时 accommodate 多样化的颜色分布和用户定义的风格偏好。为解决这些挑战，我们提出了一种新颖的方法，称为 CA-ATP（Content-Adaptive image retouching guided by Attribute-based Text Representation），即内容自适应图像修饰方法由属性基文本表示引导。具体而言，我们提出了内容自适应曲线映射模块，该模块利用一系列基准曲线建立多个颜色映射关系，并学习相应的权重图，从而实现内容感知的颜色调整。该模块能够捕捉图像内容中的颜色多样性，允许相似的颜色值根据其空间上下文接收不同的转换。在此基础上，我们提出了属性文本预测模块，该模块从多个图像属性生成文本表示，显式地表示用户定义的风格偏好。这些属性基文本表示随后通过多模态模型与视觉特征集成，为图像修饰提供用户友好的指导。在几个公开数据集上的大量实验表明，我们的方法实现了最先进的性能。
引用
@article{arxiv.2512.09580,
title = {Content-Adaptive Image Retouching Guided by Attribute-Based Text Representation},
author = {Hancheng Zhu and Xinyu Liu and Rui Yao and Kunyang Sun and Leida Li and Abdulmotaleb El Saddik},
journal= {arXiv preprint arXiv:2512.09580},
year = {2025}
}