基于条件序列调制的极轻量照片修整网络
计算机视觉与模式识别
2022-06-07 v2 机器学习
摘要
照片修整旨在改善存在摄影缺陷图像的美学视觉质量，尤其是对比度差、过曝/欠曝以及饱和度不和谐。实践中，照片修整可由一系列图像处理操作完成。由于最常用的修整操作是像素独立的，即对一个像素的操作与其邻域像素无关，我们可利用此性质设计专用算法以实现高效全局照片修整。我们分析这些全局操作，发现其可由多层感知机（MLP）在数学上表述。基于该观察，我们提出一种极轻量框架——条件序列修整网络（CSRNet）。得益于 卷积的使用，CSRNet 仅含不到 37K 可训练参数，比现有基于学习的方法小几个数量级。实验表明，我们的方法在 MIT-Adobe FiveK 基准数据集上定量与定性均达到 SOTA 性能。除实现全局照片修整外，该框架可轻松扩展以学习局部增强效果。扩展模型即 CSRNet-L，在各局部增强任务中也取得有竞争力的结果。代码见 https://github.com/lyh-18/CSRNet。
引用
@article{arxiv.2104.06279,
title = {Very Lightweight Photo Retouching Network with Conditional Sequential Modulation},
author = {Yihao Liu and Jingwen He and Xiangyu Chen and Zhengwen Zhang and Hengyuan Zhao and Chao Dong and Yu Qiao},
journal= {arXiv preprint arXiv:2104.06279},
year = {2022}
}
备注
Accepted by TMM. arXiv admin note: substantial text overlap with arXiv:2009.10390