用于图像增强的联合回归与排序方法

近年来，自动图像增强研究日益受到关注，部分原因在于移动设备上无处不在的摄像头所拍摄的照片需要易于使用的增强工具。许多现有的领先方法采用基于机器学习的技术，通过将给定图像与具有已知增强参数的训练图像相关联，来寻找该图像的增强参数。尽管了解参数空间的结构有助于搜索最优解，但现有方法均未显式建模并学习该结构。本文提出了一种端到端的、新颖的联合回归与排序方法，采用高斯过程（Gaussian Process, GP）对期望增强参数与待处理图像之间的交互进行建模。GP 允许仅使用图像特征来搜索理想参数。该模型自然地导出了一种在诱导特征空间中比较图像的排序技术。使用基于 MIT-Adobe FiveK 数据集的真值以及额外数据集上的主观测试进行的比较评估，证明了所提方法的有效性。