面向图像调和的区域感知自适应实例归一化
计算机视觉与模式识别
2021-06-08 v1
摘要
图像合成在照片编辑中起着常见而重要的作用。为获得照片级真实的合成图像，必须调整前景的外观与视觉风格以与背景兼容。现有的深度学习图像调和方法直接学习从合成图到真实图的映射网络，而未显式探索背景与前景图像之间的视觉风格一致性。为保障前景与背景间的视觉风格一致性，本文将图像调和视为风格迁移问题。具体地，我们提出一个简单而有效的区域感知自适应实例归一化（RAIN）模块，其从背景显式建模视觉风格并自适应地应用于前景。在我们的设置下，RAIN 模块可作为现有图像调和网络即插即用的模块，并能带来显著提升。在现有图像调和基准数据集上的大量实验展示了所提方法的优越能力。代码见 {https://github.com/junleen/RainNet}。
引用
@article{arxiv.2106.02853,
title = {Region-aware Adaptive Instance Normalization for Image Harmonization},
author = {Jun Ling and Han Xue and Li Song and Rong Xie and Xiao Gu},
journal= {arXiv preprint arXiv:2106.02853},
year = {2021}
}
备注
Accepted to IEEE CVPR 2021