面向肖像摄影的质量导向皮肤色调增强
计算机视觉与模式识别
2024-06-25 v1
摘要
近年来，基于学习的照片色彩和色调增强方法日益流行。然而，大多数基于学习的图像增强方法仅基于一个数据集学习从一个分布到另一个分布的映射，缺乏连续和可控的调整能力。启用基于学习的增强模型进行连续调整至关重要，因为在许多情况下我们可能希望获得略弱或更强的增强效果，而非一个固定的调整结果。本文提出了一种质量导向的图像增强范式，使图像增强模型能够学习不同质量评分图像的分布。通过学习该分布，图像增强模型可以将图像特征与其对应的感知质量关联起来，用于根据不同质量分数进行连续调整。为验证我们方法的有效性，首先进行了一次主观质量评估实验，聚焦于肖像摄影中的肤色调整。基于该实验获得的主观质量评分，我们的方法可以根据不同质量要求调整肤色。此外，在 10 张自然原始图像上的实验也证明了该模型在主体较少且拍摄次数较少的情况下的有效性，并展示了其对自然图像的广泛适用性。我们的项目页面为 https://github.com/IntMeGroup/quality-guided-enhancement。
引用
@article{arxiv.2406.15848,
title = {Quality-guided Skin Tone Enhancement for Portrait Photography},
author = {Shiqi Gao and Huiyu Duan and Xinyue Li and Kang Fu and Yicong Peng and Qihang Xu and Yuanyuan Chang and Jia Wang and Xiongkuo Min and Guangtao Zhai},
journal= {arXiv preprint arXiv:2406.15848},
year = {2024}
}