用于端到端图像上色的感知条件生成对抗网络
计算机视觉与模式识别
2018-11-28 v1
摘要
色彩无处不在。它们构成了人类视觉感知的重要部分。在本文中，我们探索从给定灰度图像中幻化出色彩的范式。上色问题在以往文献中已有研究，但大多以涉及用户干预的监督方式进行。随着深度学习方法的兴起，由于大规模数据集和高性能计算系统的可用性，许多与计算机视觉和模式识别相关的任务已实现自动化并以端到端方式执行。我们基于条件生成对抗网络（cGANs）在图像到图像翻译中近期的成功展开研究并构建模型。除使用基础 cGAN 中的训练方案外，我们提出了一种编码器-解码器生成器网络，其在 cGAN 原始目标函数之外还利用了类特定的交叉熵损失以及感知损失。我们在大规模数据集上训练模型，并对结果给出说明性的定性与定量分析。我们的结果通过栩栩如生的上色效果生动展示了方法的通用性与优越性。
引用
@article{arxiv.1811.10801,
title = {Perceptual Conditional Generative Adversarial Networks for End-to-End Image Colourization},
author = {Shirsendu Sukanta Halder and Kanjar De and Partha Pratim Roy},
journal= {arXiv preprint arXiv:1811.10801},
year = {2018}
}
备注
16 pages, 8 figures, 3 tables