基于深度范例的图像着色

我们提出了首个基于范例的局部着色的深度学习方法。给定一张参考彩色图像，我们的卷积神经网络直接将灰度图像映射到输出的彩色图像。与传统基于范例的方法使用手工规则不同，我们的端到端着色网络从大规模数据中学习如何选择、传播和预测颜色。该方法鲁棒性强，即使使用与输入灰度图像无关的参考图像也能很好地泛化。更重要的是，与其他基于学习的着色方法相比，我们的网络允许用户通过简单地输入不同的参考来获得可定制的结果。为了进一步减少选择参考时的人工工作量，系统通过我们提出的图像检索算法自动推荐参考，该算法同时考虑语义和亮度信息。只需选取排名最高的参考建议，即可完全自动地完成着色。我们的方法通过用户研究以及与最先进方法的有利定量比较得到了验证。此外，我们的方法可以自然地扩展到视频着色。我们的代码和模型将免费公开供公众使用。