PerTouch：面向个性化和语义图像调色的 VLM 驱动代理
计算机视觉与模式识别
2025-12-19 v3
摘要
图像调色旨在在保持全局审美的同时实现视觉质量提升，同时符合用户的个人化美学偏好。为解决可控性和主观性之间的挑战，我们提出了基于扩散模型的统一图像调色框架，称为 PerTouch。该方法支持语义层级的图像调色，同时保持全局审美。通过包含特定语义区域属性值的参数图作为输入，PerTouch 为精细的图像调色构建了显式的参数到图像的映射。为提高语义边界感知能力，我们在训练期引入语义替换和参数扰动机制。为将自然语言指令与视觉控制相连接，我们开发了一个 VLM 驱动的代理来处理强和弱用户指令。配备反馈驱动的反思和场景感知记忆机制，PerTouch 能更好地对齐用户意图，捕捉长期偏好。广泛的实验结果表明各组件的有效性以及 PerTouch 在个性化图像调色中的优越性能。
引用
@article{arxiv.2511.12998,
title = {PerTouch: VLM-Driven Agent for Personalized and Semantic Image Retouching},
author = {Zewei Chang and Zheng-Peng Duan and Jianxing Zhang and Chun-Le Guo and Siyu Liu and Hyungju Chun and Hyunhee Park and Zikun Liu and Chongyi Li},
journal= {arXiv preprint arXiv:2511.12998},
year = {2025}
}
备注
To appear at AAAI 2026