基于样例的深度视频着色
计算机视觉与模式识别
2019-06-25 v1 人工智能
机器学习
摘要
本文提出首个用于基于样例的视频着色的端到端网络。主要挑战在于实现时间一致性的同时保持对参考风格的忠实。为解决此问题，我们引入了一种递归框架，统一了语义对应与颜色传播步骤。这两个步骤均允许提供的参考图像引导每一帧的着色，从而减少累积的传播误差。视频帧基于着色历史依次着色，并通过时间一致性损失进一步强化其连贯性。所有这些组件均为端到端学习，有助于生成具有良好时间稳定性的逼真视频。实验表明，我们的结果在定量与定性上均优于最先进的方法。
引用
@article{arxiv.1906.09909,
title = {Deep Exemplar-based Video Colorization},
author = {Bo Zhang and Mingming He and Jing Liao and Pedro V. Sander and Lu Yuan and Amine Bermak and Dong Chen},
journal= {arXiv preprint arXiv:1906.09909},
year = {2019}
}