PHNet：基于块的人像协调归一化

合成图像的一个常见问题是其前景和背景组件的不兼容性。图像协调旨在解决这一问题，使整张图像看起来更真实、更连贯。大多数现有解决方案利用合成图像的各种属性来预测查找表（LUT）或重建图像。最近的方法主要侧重于采用全局变换（如归一化和色彩曲线渲染）来实现视觉一致性，而往往忽视了局部视觉连贯性的重要性。我们提出了一种基于块的协调网络，由新颖的基于块的归一化（PN）块和基于统计色彩迁移的特征提取器组成。大量实验表明，该网络在不同领域具有高度的泛化能力。我们的网络在 iHarmony4 数据集上取得了最先进的结果。此外，我们基于 FFHQ 创建了一个新的人像协调数据集，并通过在该数据集上获得最佳指标验证了所提方法的泛化能力。基准实验证实，建议的基于块的归一化块和特征提取器有效提高了网络协调人像的能力。我们的代码和模型基线已公开。