面向深度基于样例着色的语义稀疏着色网络
计算机视觉与模式识别
2022-07-19 v2
摘要
基于样例的着色方法依赖参考图像为目标灰度图像提供合理的颜色。基于样例着色的关键与难点在于建立这两幅图像之间的准确对应关系。先前的方法尝试构建此种对应关系，但面临两个障碍。首先，使用亮度通道计算对应关系是不准确的。其次，它们建立的稠密对应关系引入了错误的匹配结果并增加了计算负担。为解决这两个问题，我们提出语义稀疏着色网络（SSCN），以由粗到细的方式将全局图像风格与细节的语义相关颜色迁移至灰度图像。我们的网络能完美平衡全局与局部颜色，同时缓解模糊匹配问题。实验表明，我们的方法在定量与定性评价上均优于现有方法，并取得了最先进的性能。
引用
@article{arxiv.2112.01335,
title = {Semantic-Sparse Colorization Network for Deep Exemplar-based Colorization},
author = {Yunpeng Bai and Chao Dong and Zenghao Chai and Andong Wang and Zhengzhuo Xu and Chun Yuan},
journal= {arXiv preprint arXiv:2112.01335},
year = {2022}
}
备注
Accepted by ECCV2022; 14 pages, 10 figures