DeepHist：用于图像到图像转换的可微联合与颜色直方图层
图像与视频处理
2020-05-11 v1 计算机视觉与模式识别
摘要
我们提出了 DeepHist——一种通过直方图层增强网络的新型深度学习框架，并通过解决图像到图像转换问题展示了其优势。具体而言，给定一张输入图像和一种参考颜色分布，我们的目标是生成一张具有输入（源）结构外观（内容）但具有参考颜色的输出图像。关键思想是一种用于输出图像联合直方图和颜色直方图的可微构造新技术。我们进一步定义了基于输出与参考颜色直方图之间推土机距离的颜色分布损失，以及基于源图像与输出图像联合直方图的互信息损失。在颜色迁移、图像着色和边缘 照片任务中展示了有希望的结果，其中输出图像的颜色分布是受控的。展示了与 Pix2Pix 和 CycleGAN 的比较。
引用
@article{arxiv.2005.03995,
title = {DeepHist: Differentiable Joint and Color Histogram Layers for Image-to-Image Translation},
author = {Mor Avi-Aharon and Assaf Arbelle and Tammy Riklin Raviv},
journal= {arXiv preprint arXiv:2005.03995},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1912.06044