基于掩码风格建模的个性化图像增强
计算机视觉与模式识别
2023-06-16 v1
摘要
我们在本研究中处理个性化图像增强问题，即基于用户的偏好图像为每个用户增强输入图像。先前方法将相同的偏好风格应用于所有输入图像（即每个用户仅一种风格）；与这些方法不同，我们的目标是通过考虑内容对每个图像应用不同风格，从而实现内容感知的个性化。针对内容感知个性化，我们做出两点贡献。首先，我们提出一种名为掩码风格建模的方法，其可利用掩码语言建模框架，通过考虑内容来预测输入图像的风格。其次，为使该模型能考虑图像内容，我们提出一种新颖训练方案：从 Flickr 下载图像，并使用退化模型创建伪输入与润色图像对。我们进行了定量评估与用户研究，采用我们训练方案训练的方法成功实现了内容感知个性化；此外，我们的方法在该领域优于其他先前方法。源代码见 https://github.com/satoshi-kosugi/masked-style-modeling。
引用
@article{arxiv.2306.09334,
title = {Personalized Image Enhancement Featuring Masked Style Modeling},
author = {Satoshi Kosugi and Toshihiko Yamasaki},
journal= {arXiv preprint arXiv:2306.09334},
year = {2023}
}
备注
Accepted to IEEE Transactions on Circuits and Systems for Video Technology (TCSVT)