半监督参数化真实世界图像调和

基于学习的图像调和技术通常训练为撤销在单张真实照片中对掩码前景施加的合成随机全局变换。这种模拟数据未能建模真实合成图中前景与背景之间许多重要的外观失配（光照、物体边界等），导致模型泛化能力差且无法建模复杂的局部变化。我们提出了一种新的半监督训练策略来解决该问题，并使我们能够从非配对的真实合成图（前景和背景来自不同图像）中学习复杂的局部外观调和。我们的模型是完全参数化的。它使用 RGB 曲线来校正全局颜色与色调，并使用一个明暗图来建模局部变化。如用户研究所表明的，我们的方法在已有基准和真实合成图上均优于先前的工作，并能交互式地处理高分辨率图像。