WDRN：一种用于图像重打光的小波分解 RelightNet
计算机视觉与模式识别
2020-09-16 v1
摘要
将图像中的光照设置重新校准为目标配置的任务被称为重打光（relighting）。重打光技术在数字摄影、游戏产业以及增强现实中有潜在应用。在本文中，我们解决了一对一重打光问题，即在给定具有特定光照条件的输入图像时，预测目标光照设置下的图像。为此，我们提出了一种称为 WDRN 的小波分解 RelightNet，这是一种新颖的编码器-解码器网络，采用基于小波的分解，随后在多分辨率框架下接卷积层。我们还提出了一种称为灰度损失（gray loss）的新损失函数，该函数确保沿真实图像不同方向高效学习光照梯度，从而产生视觉上更优的重打光图像。所提出的方案在 2020 年图像操作进展（AIM）研讨会重打光挑战赛中获得了第一名，这证明了其在平均感知分数（Mean Perceptual Score）度量上的有效性，而该分数又是通过 SSIM 和 Learned Perceptual Image Patch Similarity 分数来度量的。
引用
@article{arxiv.2009.06678,
title = {WDRN : A Wavelet Decomposed RelightNet for Image Relighting},
author = {Densen Puthussery and Hrishikesh P. S. and Melvin Kuriakose and Jiji C.},
journal= {arXiv preprint arXiv:2009.06678},
year = {2020}
}
备注
Presented at ECCV-2020 AIM workshop, 14 pages, 6 figures