基于样例的高斯混合建模颜色迁移
计算机视觉与模式识别
2022-01-07 v3
摘要
颜色迁移在图像编辑中起着关键作用，近年来引起了显著关注。由于耗时的人工调整和先验分割问题等各种问题，它至今仍是一项挑战。在本文中，我们提出在概率框架下对颜色迁移建模，并将其视为参数估计问题。特别地，我们在高斯混合模型（GMM）下将迁移图像与样例图像关联起来，并将迁移图像颜色视为 GMM 质心。我们采用期望最大化（EM）算法（E-step 和 M-step）进行优化。为了更好地保留梯度信息，我们在 M-step 的目标函数中引入基于拉普拉斯的正则化项，并通过推导梯度下降算法求解。给定源图像和样例图像作为输入，我们的方法能够随着 EM 迭代次数增加生成连续的色彩迁移结果。各种实验表明，我们的方法在视觉和定量上通常优于其他有竞争力的颜色迁移方法。
引用
@article{arxiv.2008.13626,
title = {Example-based Color Transfer with Gaussian Mixture Modeling},
author = {Chunzhi Gu and Xuequan Lu and Chao Zhang},
journal= {arXiv preprint arXiv:2008.13626},
year = {2022}
}
备注
under review