We develop a probabilistic technique for colorizing grayscale natural images.
In light of the intrinsic uncertainty of this task, the proposed probabilistic
framework has numerous desirable properties. In particu
自动着色技术面临物体颜色差异、尺寸变化、背景干扰等挑战。本文通过多项式分类方法解决了这一问题，提出了颜色值与颜色类别之间的转换公式，并通过类别优化和平衡特征分布来提升性能。作者还提出了基于真实类别外观的加权函数，用于训练过程中的类别饱和度调整，并通过抑制主要类别的影响实现了对次要类别的预测。同时，作者还提出了一种基于 SAM 的对象选择性颜色协调方法，用于增强图像边缘。通过与其他模型在多个数据集上的比较实验证明，该模型在可视化和颜色丰富度（CNR）方面优于其他模型，并在回归（MSE，PSNR）、相似度（SSIM，LPIPS，UIQI）和生成能力（FID）等指标上表现令人满意。