基于块空间神经变换混合的一次性细节润饰

照片润饰对 novice 用户而言是一项困难任务，因为它需要专业知识和高级工具。摄影师常花费大量时间生成具有精细细节的高质量润饰照片。在本文中，我们引入一种基于一次性学习的技术，仅依据一对前后示例图像自动润饰输入图像的细节。我们的方法对新图像提供准确且可泛化的细节编辑迁移。我们通过提出一种图像到图像映射的新表示来实现这些。具体而言，我们提出在块空间中基于神经场的变换混合，为每个频带定义块到块的变换。这种以锚定变换及关联权重和空谱局部化块对映射进行的参数化，使我们能在保持可泛化性的同时很好地捕捉细节。我们在已知真值滤波器和艺术家润饰编辑上均评估了我们的技术。我们的方法准确地迁移了复杂的细节润饰编辑。