色彩化性能的人类评估与客观评估对比
计算机视觉与模式识别
2022-04-12 v1
摘要
灰度图像自动色彩化是从灰度先验创建全彩图像的过程。这是一个不适定问题，因为给定灰度先验存在许多合理的色彩化结果。当前自动色彩化的最先进水平(SOTA)涉及图像到图像类型的深度卷积神经网络，其中生成对抗网络(GAN)展现出最大前景。色彩化的最终目标是产生对人类观察者而言看似合理的全彩图像，但人类评估成本高且耗时。本工作评估了常用客观度量与人类意见的相关程度。我们也试图确定色彩化的哪些方面对人类意见影响最为显著。对于来自 BSD 数据集的 20 幅图像，我们各创建 65 个由局部和全局改变组成的重新色彩化结果。随后利用 Amazon Mechanical Turk 众包意见分数，其与图像共同构成一个称为人类评估色彩化数据集(HECD)的可扩展数据集。虽然我们发现人类意见分数与少数客观度量间存在统计显著相关，但相关强度较低。也有证据表明人类观察者对于自然物体的不正确色调最为不耐受。
引用
@article{arxiv.2204.05200,
title = {Human vs Objective Evaluation of Colourisation Performance},
author = {Seán Mullery and Paul F. Whelan},
journal= {arXiv preprint arXiv:2204.05200},
year = {2022}
}