通过协同双重变换实现高分辨率图像和谐化

给定一张合成图像，图像和谐化旨在调整前景使其与背景兼容。高分辨率图像和谐化需求很大，但仍未被探索。传统的图像和谐化方法学习全局RGB到RGB变换，可轻松扩展到高分辨率，但忽略了多样的局部上下文。最近的深度学习方法学习稠密像素到像素变换，可生成和谐的输出，但严重受限于低分辨率。在这项工作中，我们提出一种高分辨率图像和谐化网络，具有协同双重变换（CDTNet），以端到端网络 coherent地结合像素到像素变换和RGB到RGB变换。我们的CDTNet由一个用于像素到像素变换的低分辨率生成器、一个用于RGB到RGB变换的颜色映射模块以及一个利用两者优势的细化模块组成。在高分辨率基准数据集和我们创建的高分辨率真实合成图像上的大量实验表明，我们的CDTNet在效率和效果之间取得了良好平衡。我们使用的数据集可在 https://github.com/bcmi/CDTNet-High-Resolution-Image-Harmonization 找到。