CURL：用于全局图像增强的神经曲线层
图像与视频处理
2020-10-26 v4 计算机视觉与模式识别
机器学习
摘要
受Photoshop曲线工具启发，我们提出一种利用人类可解释的图像增强曲线来调节色彩、饱和度和亮度等全局图像属性的新方法。我们的方法称为神经曲线层（CURL），被设计为在多色彩空间（HSV、CIELab、RGB）中以新颖的多色彩空间损失联合训练的多色彩空间神经修饰模块。这些曲线完全可微，并针对不同的计算机视觉问题端到端训练，包括照片增强（RGB到RGB）以及作为图像形成中图像信号处理流水线的一部分（RAW到RGB）。为证明CURL的有效性，我们将该全局图像变换模块与像素级（局部）图像多尺度编码器-解码器骨干网络结合。在广泛的实验评估中，我们表明CURL在客观和感知指标上相比近期提出的深度学习方法均产生最先进的图像质量，并在多个公开数据集上创下新的最先进性能。我们的代码公开于：https://github.com/sjmoran/CURL。
引用
@article{arxiv.1911.13175,
title = {CURL: Neural Curve Layers for Global Image Enhancement},
author = {Sean Moran and Steven McDonagh and Gregory Slabaugh},
journal= {arXiv preprint arXiv:1911.13175},
year = {2020}
}
备注
Accepted to ICPR 2020