NICER：融合人在回路机制的美学图像增强方法

全自动或半自动图像增强软件可帮助用户提升照片的视觉吸引力，且无需深入的手动图像编辑知识。然而，全自动方法通常以黑盒方式增强图像，不给予用户对优化过程的任何控制，可能导致编辑后的图像在主观上并不令用户满意。半自动方法大多只允许控制采取何种预定义的编辑步骤，这限制了用户的创造力和进行细致调整（如亮度或对比度）的能力。我们认为，通过引导自动化增强方法来融入用户偏好，可简化图像编辑并增强增强过程以用户为中心的特性。因此，本工作提出神经图像校正与增强例程（NICER），一种基于神经网络、面向无参考图像增强的方法，支持交互式、以用户为中心的完全自动、半自动或全手动流程。NICER迭代调整图像编辑参数，以最大化基于图像风格与内容的美学分数。用户可随时修改这些参数，并将优化过程引导至期望方向。这种交互式工作流在图像增强任务的人机交互领域是一项创新。在用户研究中，我们表明NICER可在无用户交互的情况下改善图像美学，且允许用户交互会产生多样化的增强结果，这些结果相较未编辑图像更受青睐。我们公开了代码以促进该方向的进一步研究。