基于学习深度先验的实时用户引导图像着色
计算机视觉与模式识别
2017-05-12 v1 图形学
摘要
我们提出一种用于用户引导图像着色的深度学习方法。该系统利用卷积神经网络（CNN）将灰度图像与稀疏的局部用户“提示”直接映射到输出着色。网络不是使用手工定义的规则，而是通过融合从大规模数据学习到的低层线索与高层语义信息来传播用户编辑。我们在百万张图像上以模拟的用户输入进行训练。为了引导用户高效选择输入，系统基于输入图像和当前用户输入推荐可能的颜色。着色在单次前馈传递中完成，从而实现实时使用。即使使用随机模拟的用户输入，我们也表明所提出的系统能帮助新手用户快速创建逼真的着色，并且仅使用一分钟就能在着色质量上带来大幅提升。此外，我们展示了该框架可将其他用户“提示”结合到期望的着色中，展示了在颜色直方图迁移中的应用。我们的代码和模型可在 https://richzhang.github.io/ideepcolor 获取。
引用
@article{arxiv.1705.02999,
title = {Real-Time User-Guided Image Colorization with Learned Deep Priors},
author = {Richard Zhang and Jun-Yan Zhu and Phillip Isola and Xinyang Geng and Angela S. Lin and Tianhe Yu and Alexei A. Efros},
journal= {arXiv preprint arXiv:1705.02999},
year = {2017}
}
备注
Accepted to SIGGRAPH 2017. Project page: https://richzhang.github.io/ideepcolor