Nov, 2022

分层动态图像调和

PDF
TL;DR本文提出了一种分层动态网络 (HDNet) 用于图像和谐处理，该网络通过局部动态和面具感知全局动态，从本地到全局视角自适应模型参数和特征改变，以实现更好的特征转换和全局调和。
image harmonizationdynamic deep networksgeometric transformationlocal dynamicsglobal harmonization
发现论文，激发创造
  • 图像协调的前景感知语义表示

    通过使用预先训练的分类网络，提出了一种新的体系结构来利用高级特征空间以实现图像和谐的目的，并在图像和谐基准测试中取得了 MSE 和 PSNR 指标的最新成果。

    Jun, 2020

  • 基于协作双重变换的高分辨率图像融合

    本研究提出了一种高分辨率图像融合网络，其中结合了像素到像素变换和 RGB 到 RGB 变换，通过低分辨率像素生成器、颜色映射模块和细化模块进行协同工作，旨在解决高分辨率图像合成中的多个问题，且效果明显。

    Sep, 2021

  • 深度图像基于光照协同处理

    本文提出了一种深度图像基于的照明和谐 GAN 框架 (DIH-GAN)，该框架通过应用多尺度注意机制和照明交换策略直接推断插入前景物体与相应背景场景之间的映射关系，同时使用对抗学习策略进一步优化照明和谐效果；通过综合实验验证了 DIH-GAN 在图像对象照明和谐编辑方面的实用和有效性，并证实了其在现有方法中的优越性。

    Jul, 2021

  • 全局引导特征转化与关系蒸馏的深度图像和谐化

    给定一个复合图像，图像协调旨在调整前景照明与背景一致。我们展示了使用全局信息指导前景特征转换可获得显着改善，并将前景 - 背景关系从真实图像转移到复合图像，为转换的编码器特征提供中间监督。此外，我们贡献了一个模拟自然照明变化的 ccHarmony 数据集。对 iHarmony4 和我们贡献的数据集进行了大量实验证明了我们方法的优越性。

    Aug, 2023

  • 深度图像融合

    该论文提出了一种用于图像融合的端到端深度卷积神经网络，通过收集大规模高质量的训练数据，能够更好地捕捉复合图像的背景和前景的上下文和语义信息，实验表明，所提出的网络优于以往的方法。

    Feb, 2017

  • 学习面向全局的图像协调的核函数

    提出了一种全局感知的 Kernel 网络方法，它可以使用长距离背景参考全面地调整局部区域，从而更好地解决图像和谐化的问题。实验结果表明，该方法在图像和谐化方面表现出卓越性能。

    May, 2023

  • BargainNet: 用背景引导的领域翻译实现图像融合

    本研究提出了一种基于深度学习的图像和谐网络，采用背景引导域转换的方式，通过背景信息对前景进行调整，实现了高质量的图像合成。

    Sep, 2020

  • 可学习的增强深度图像融合

    图像协调的目标是调整复合图像中前景的外观，使整个图像协调一致。我们通过探索可学习的增强方法，丰富小规模数据集的光照多样性，以提升协调性能。实验表明，我们提出的可学习增强方法对图像协调具有有效性。

    Aug, 2023

  • 双色空间下的深度图像融合

    本文研究了基于双色彩空间的图像协调方法，将混合的 RGB 特征与解开的 Lab 特征相结合，减轻协调过程中的负担。网络包括一个 RGB 协调主干，一个 Lab 编码模块和一个 Lab 控制模块。

    Aug, 2023

  • PHNet：基于补丁的人像协调化归一化

    利用基于补丁的调和网络和基于统计色彩转移的特征提取器实现补丁特征归一化块，并在图像调和中取得优异的结果。

    Feb, 2024