面向旧照片上色的结构保持特征对齐
计算机视觉与模式识别
2025-08-19 v1
摘要
深度学习技术在基于大规模数据集的参考上色方面取得了显著进展。然而，直接将这些方法应用于旧照片上色任务面临挑战，原因在于缺乏真实标签以及自然灰度图像与旧照片之间的著名领域差距。为此，我们提出一种新的CNN-based算法，称为SFAC，即结构保持特征对齐色彩器。SFAC仅需两幅图像即可训练旧照片上色，消除了对大数据的依赖，允许直接处理旧照片以克服领域差距问题。我们的主要目标是建立语义对应关系，确保语义相关对象具有相似颜色。我们通过保持稳健的特征分布对齐损失来实现这一点，该损失对不同的指标选择不敏感。然而，利用稳健语义对应关系将颜色从参考图像传递到旧照片可能导致不可避免的结构失真。为缓解这一问题，我们引入一种结构保持机制，该机制在特征层面包含感知约束，在像素层面包含冻结更新的金字塔。广泛的实验表明，对于旧照片上色，本方法在定性和定量指标方面均表现出色。
引用
@article{arxiv.2508.12570,
title = {Structure-preserving Feature Alignment for Old Photo Colorization},
author = {Yingxue Pang and Xin Jin and Jun Fu and Zhibo Chen},
journal= {arXiv preprint arXiv:2508.12570},
year = {2025}
}