深度图像合成

在图像编辑中，最常见的任务是将物体从一幅图像粘贴到另一幅图像，并最终调整前景物体与背景物体的呈现。该任务称为图像合成。但图像合成是一个具有挑战性的问题，需要专业编辑技能和大量时间。不仅雇佣这些专业人员成本高昂，而且用于此类任务的工具（如 Adobe Photoshop）购买价格也高，使得无此技能的人群难以完成图像合成任务。在本工作中，我们旨在通过使合成图像看起来逼真来解决这一问题。为此，我们使用生成对抗网络（GANs）。通过以应用于图像的多样化滤波器和特殊损失函数训练网络，模型能够解码图像前景与背景部分的颜色直方图，并学会将前景物体与背景混合。如本文所讨论，图像的色相和饱和度值起着重要作用。据我们所知，这是首个将 GANs 用于图像合成任务的工作。目前尚无用于图像合成的基准数据集。因此我们创建了该数据集，并将公开以供基准测试。在该数据集上的实验结果表明，我们的方法优于所有当前最先进的方法。