通过无监督区域优先级排序引导用户高效交互式草图着色

现有的深度交互式着色模型侧重于利用各种交互方式（如逐点颜色提示、涂鸦或自然语言文本）作为在运行时反映用户意图的方法。然而，另一种方法——主动告知用户为草图图像着色提供提示的最有效区域——尚未得到充分探索。本文提出了一种新颖的模型引导深度交互式着色框架，通过为着色模型中的区域设定优先级来减少所需的用户交互量。我们的方法名为 GuidingPainter，它优先考虑模型最需要颜色提示的区域，而非仅仅依赖用户手动决定在何处提供颜色提示。在大量实验中，我们表明，我们的方法在 PSNR 和 FID 等常规指标上优于现有的交互式着色方法，并减少了所需的交互量。