WESPE：用于数码相机的弱监督照片增强器
计算机视觉与模式识别
2018-03-06 v2
摘要
低端和紧凑型移动相机由于空间、硬件和预算限制表现出有限的照片质量。在这项工作中，我们提出一种深度学习方案，自动将能力受限的相机拍摄的照片转换为单反质量的照片。我们通过引入弱监督照片增强器（WESPE）——一种新颖的基于图像到图像生成对抗网络（Generative Adversarial Network）的架构——来解决这个问题。所提出的模型在弱监督下训练：与之前的工作不同，不需要以大量对齐的原始/增强照片对的标注数据集形式的强监督。唯一要求是两个不同的数据集：一个来自源相机，另一个由可从互联网爬取的任意高质量图像组成——它们所展现的视觉内容可能无关。因此，我们的方案对任何相机可重复：收集数据和训练可在几小时内完成。在这项工作中，我们强调对所得结果的广泛评估。除了标准客观指标和主观用户研究外，我们训练了一个以独立CNN形式存在的虚拟评分者，该CNN在Flickr数据上模仿人类评分者，并使用该网络获取原始和增强照片的参考分数。我们在DPED、KITTI和Cityscapes数据集以及几代智能手机的图片上的实验表明，WESPE产生与最先进的强监督方法可比或改进的定性结果。
引用
@article{arxiv.1709.01118,
title = {WESPE: Weakly Supervised Photo Enhancer for Digital Cameras},
author = {Andrey Ignatov and Nikolay Kobyshev and Radu Timofte and Kenneth Vanhoey and Luc Van Gool},
journal= {arXiv preprint arXiv:1709.01118},
year = {2018}
}