深度图像调和

合成是照片编辑中最常见的操作之一。为了生成逼真的合成图像，需要调整前景和背景的外观使其协调。先前用于调和合成图像的方法侧重于学习前景与背景间手工设计外观特征的统计关系，这种方法不可靠，尤其当两层内容差异巨大时。本工作中，我们提出一种用于图像调和的端到端深度卷积神经网络，该网络能在调和过程中捕获合成图像的上下文与语义信息。我们还引入一种高效收集大规模高质量训练数据的方法，以促进训练过程。在合成数据集与真实合成图像上的实验表明，所提网络优于先前最先进的(SOTA)方法。