Deep Preset：基于色彩风格迁移的照片混合与润色
计算机视觉与模式识别
2021-01-05 v2 图形学
机器学习
图像与视频处理
摘要
不具备摄影知识的终端用户希望美化其照片，使其具有与精修参考图相似的色彩风格。然而，近期图像风格迁移工作对风格的定义并不恰当。它们通常由于将确切颜色迁移到错误目标位置而合成出不合意的结果。在诸如人像等敏感情况下情况更糟。本工作中，我们专注于学习低级图像变换，尤其是色彩偏移方法，而非混合上下文特征，进而提出一种利用真实标签训练色彩风格迁移的新方案。此外，我们提出一种名为 Deep Preset 的色彩风格迁移方法。其设计旨在：1）从具有自然色彩的内容到精修参考图中泛化表示色彩变换的特征，然后将其混合进内容的上下文特征；2）预测所应用低级色彩变换方法的超参数（设置或预设）；3）将内容风格化以具有与参考图相似的色彩风格。我们编写强大照片编辑工具 Lightroom 的脚本，使用来自 Flick2K 数据集的 1200 张图像及 500 个含 69 项设置的用户生成预设，生成了 600,000 个训练样本。实验结果表明，我们的 Deep Preset 在色彩风格迁移上定量与定性均优于先前工作。
引用
@article{arxiv.2007.10701,
title = {Deep Preset: Blending and Retouching Photos with Color Style Transfer},
author = {Man M. Ho and Jinjia Zhou},
journal= {arXiv preprint arXiv:2007.10701},
year = {2021}
}
备注
Revised and Accepted to WACV'2021. Our work is available at https://minhmanho.github.io/deep_preset