聚焦人物：从现代历史影视剧学习为老照片上色

在工业界，存在大量需要自动为老旧灰度照片上色的场景，例如视频网站和档案馆。本文提出 HistoryNet，基于细粒度语义理解与先验，聚焦于历史人物多样的高保真服装上色。历史人物的上色是现实且实用的，然而现有方法在此方面表现不佳。本文提出包含分类、细粒度语义解析和上色三部分的 HistoryNet。分类子模块根据时代、民族和服装类型对图像进行分类；解析子网络提供图像中人物轮廓、服装和背景的语义，以实现服装和人物的更准确上色并防止颜色溢出。在训练过程中，我们将分类和语义解析特征整合到上色生成网络中以改善上色效果。通过分类和解析子网络的设计，可提高图像上色准确率，并使图像各部分的边界更清晰。此外，我们还提出一个新的现代历史影视数据集(MHMD)，包含来自现代制作的 147 部历史电影或电视剧的 1,353,166 张图像和时代、民族、服装类型的 42 个标签，用于自动上色。多种定量与定性比较表明，我们的方法优于最先进的上色方法，尤其在军装上，其颜色依据历史文献是正确的。