学习用于摄影图像的深度色差度量
计算机视觉与模式识别
2023-03-28 v1 图像与视频处理
摘要
大多数成熟且广泛使用的色差（CD）度量为手工设计，并针对均匀色块进行主观校准，难以泛化到具有自然场景复杂性的摄影图像。为摄影图像构建 CD 公式仍是成像/光照、视觉科学与颜色科学界的一个活跃研究课题。本文旨在学习一种具有四项理想特性的摄影图像深度 CD 度量。第一，它与视觉科学中颜色和形状在视觉皮层处理中不可分割地关联的观察结果相吻合。第二，它在数学意义上是恰当的度量。第三，它能准确计算主要在颜色外观上不同的摄影图像之间的 CD。第四，它对轻度几何畸变（例如平移或由于视差引起）具有鲁棒性，而这些畸变常出现在由不同数码相机拍摄的同一场景摄影图像中。我们表明，通过学习用于特征变换的多尺度自回归归一化流，再接与人体感知 CD 线性成正比的欧氏距离，可同时满足所有这些特性。在大规模 SPCD 数据集上的定量与定性实验证明了所学 CD 度量的前景。
引用
@article{arxiv.2303.14964,
title = {Learning a Deep Color Difference Metric for Photographic Images},
author = {Haoyu Chen and Zhihua Wang and Yang Yang and Qilin Sun and Kede Ma},
journal= {arXiv preprint arXiv:2303.14964},
year = {2023}
}