DeepLPF：用于图像增强的深度局部参数化滤波器
计算机视觉与模式识别
2020-04-01 v1
摘要
数字艺术家通常通过手动润色来提高数字照片的审美质量。除全局调整外，专业图像编辑程序提供作用于图像特定部分的局部调整工具。选项包括参数化（渐变、径向滤波器）和无约束画笔工具。这些极具表现力的工具可实现多样化的局部图像增强。然而，它们的使用可能耗时，且需要艺术能力。最先进的自动化图像增强方法通常侧重于学习像素级或全局增强。前者可能含有噪声且缺乏可解释性，而后者可能无法捕捉细粒度调整。在本文中，我们引入一种新方法，使用学习到的三种不同类型（椭圆滤波器、渐变滤波器、多项式滤波器）的空间局部滤波器来自动增强图像。我们引入一个称为深度局部参数化滤波器（DeepLPF）的深度神经网络，它回归这些空间局部滤波器的参数，然后自动应用以增强图像。DeepLPF 提供了一种自然的模型正则化形式，并实现可解释、直观的调整，从而产生视觉上令人愉悦的结果。我们在多个基准上进行了报告，并表明 DeepLPF 在 MIT-Adobe-5K 数据集的两个变体上取得了最先进的性能，通常仅使用竞争方法所需参数的一小部分。
引用
@article{arxiv.2003.13985,
title = {DeepLPF: Deep Local Parametric Filters for Image Enhancement},
author = {Sean Moran and Pierre Marza and Steven McDonagh and Sarah Parisot and Gregory Slabaugh},
journal= {arXiv preprint arXiv:2003.13985},
year = {2020}
}
备注
Accepted for publication at CVPR2020