面向人像图像的分层矢量化
计算机视觉与模式识别
2026-05-07 v1 图形学
摘要
旨在开发直观且易用的人像编辑工具，我们提出一种新颖的矢量化方法，可自动将光栅图像转换为 3 层分层表示。基础层由一组稀疏扩散曲线（DC）构成，刻画显著几何特征与低频颜色，并提供语义颜色迁移与面部表情编辑手段。中间层将镜面高光与阴影编码为大型可编辑泊松区域（PR），并允许用户通过调节 PR 强度及/或改变形状直接调整光照。顶层包含两类像素级 PR，用于高频残差与如粉刺和色素沉淀等精细细节。我们还训练了一个深度生成模型，可自动产生高频残差。得益于矢量基元的有意义组织，人像编辑变得轻松直观。特别地，我们的方法支持颜色迁移、面部表情编辑、高光与阴影编辑以及自动润饰。得益于拉普拉斯算子的线性，我们引入 alpha 混合、线性减淡与线性加深到矢量编辑中，并展示它们在编辑高光与阴影上有效。为定量评估结果，我们通过考虑光照扩展了常用的 FLIP 度量（衡量两图像间差异）。新度量称为光照敏感 FLIP 或 IS-FLIP，可有效捕捉颜色迁移结果中的显著变化，且比 FLIP 及其他人像质量度量更符合人类感知。我们在 FFHQR 数据集上评估方法，表明其对润饰、光照编辑、颜色迁移与表情编辑等常见人像编辑任务有效。我们将公开代码与训练模型。
引用
@article{arxiv.2205.11880,
title = {Hierarchical Vectorization for Portrait Images},
author = {Qian Fu and Linlin Liu and Fei Hou and Ying He},
journal= {arXiv preprint arXiv:2205.11880},
year = {2026}
}