面向光照感知合成的内在和谐化

尽管基于网络的图像和谐化技术取得了显著进展，但在典型训练对与推理时遇到的真实合成图像之间仍存在领域差异。大多数现有方法被训练用于逆转对分割图像区域所做的全局编辑，这无法准确捕捉合成图像中前景与背景之间的光照不一致性。在本工作中，我们引入了一种在内在图像域中构建的自监督光照和谐化方法。首先，我们从中层视觉表示中估计一个简单的全局光照模型，为前景区域生成粗略的着色。随后，网络细化这种推断的着色，以生成与背景场景对齐的和谐重新着色。为了匹配前景与背景的颜色外观，我们利用了先前和谐化方法的思想，在反照率域中执行参数化图像编辑。为了验证我们方法的有效性，我们展示了来自具有挑战性的真实合成图像的结果，并进行了用户研究，以客观衡量相较于 SOTA 和谐化方法所实现的增强真实感。