双色空间中的深度图像和谐化

图像和谐化是图像合成中的关键步骤，用于调整合成前景的外观以解决前景与背景间的不一致。现有方法主要在相关的 $RGB$ 色空间中操作，导致特征纠缠且表示能力有限。相比之下，解相关色空间（如 $Lab$）具有解相关的通道，可提供解耦的颜色与光照统计。本文探索双色空间中的图像和谐化，以解相关的 $L$、$a$、$b$ 特征补充纠缠的 $RGB$ 特征，从而减轻和谐化过程中的负担。网络由 $RGB$ 和谐化主干、一个 $Lab$ 编码模块和一个 $Lab$ 控制模块组成。主干为将合成图像翻译为和谐化图像的 U-Net 网络。$Lab$ 编码模块中的三个编码器分别从 $L$、$a$、$b$ 通道独立提取三个控制码，经由 $Lab$ 控制模块用于操控和谐化主干中的解码器特征。我们的代码与模型可在 \href{https://github.com/bcmi/DucoNet-Image-Harmonization}{https://github.com/bcmi/DucoNet-Image-Harmonization} 获取。