学习用于合成图像真实感感知的判别模型
计算机视觉与模式识别
2015-10-05 v1
摘要
是什么让图像看起来真实？在这项工作中，我们从数据驱动的视角通过直接从大量数据中学习视觉真实感的感知来回答这个问题。特别地，我们训练了一个卷积神经网络(CNN)模型，以区分自然照片与自动生成的合成图像。该模型学习从颜色、光照和纹理兼容性方面预测场景的视觉真实感，无需任何与之相关的人工标注。我们的模型在分类真实与不真实照片的任务上优于依赖手工启发式方法的先前工作。此外，我们应用学习的模型来计算合成方法的优化参数，以最大化我们的CNN模型预测的视觉真实感分数。我们通过人类感知研究展示了其相对于现有方法的优势。
引用
@article{arxiv.1510.00477,
title = {Learning a Discriminative Model for the Perception of Realism in Composite Images},
author = {Jun-Yan Zhu and Philipp Krähenbühl and Eli Shechtman and Alexei A. Efros},
journal= {arXiv preprint arXiv:1510.00477},
year = {2015}
}
备注
International Conference on Computer Vision (ICCV) 2015