基于主动学习局部滤波的众包照片增强
计算机视觉与模式识别
2023-06-16 v1
摘要
在本研究中，我们处理局部照片增强问题，通过对不同区域施加不同效果来提升输入图像的美学质量。现有照片增强方法要么不具备内容感知能力，要么非局部；因此我们提出一种众包局部增强方法以实现内容感知的局部增强，其通过让众包工作者局部优化图像编辑函数的参数来达成。为便于局部优化参数，我们提出一种基于主动学习的局部滤波器。参数仅需由主动学习方法选定的少数关键像素处确定，其余像素处的参数使用回归模型自动预测。所选关键像素处的参数被独立优化，将优化问题拆解为一系列单滑块调整。实验表明，所提滤波器优于现有滤波器，且我们的增强结果比现有增强方法的结果更具视觉吸引力。源代码与结果见 https://github.com/satoshi-kosugi/crowd-powered。
引用
@article{arxiv.2306.09321,
title = {Crowd-Powered Photo Enhancement Featuring an Active Learning Based Local Filter},
author = {Satoshi Kosugi and Toshihiko Yamasaki},
journal= {arXiv preprint arXiv:2306.09321},
year = {2023}
}
备注
Accepted to IEEE Transactions on Circuits and Systems for Video Technology (TCSVT)