图像色彩增强相关论文阅读-Representative Color Transform for Image Enhancement(ICCV2021)

这篇具有很好参考价值的文章主要介绍了图像色彩增强相关论文阅读-Representative Color Transform for Image Enhancement(ICCV2021)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Representative Color Transform for Image Enhancement

作者:Hanul Kim1, Su-Min Choi2, Chang-Su Kim3, Yeong Jun Koh
单位:Seoul National University of Science and Technology 2Chungnam National University 3Korea University

Abstract

前人方法都是encode-decode方式,丢失细节;密集转化也限制颜色空间的迁移效果;
本文使用颜色迁移表征(RCT)表征颜色变化,根据输入和表征颜色相似性增强颜色,得到更好效果;
RCT determines different representative colors specialized in in- put images and estimates transformed colors for the repre- sentative colors. It then determines enhanced colors us- ing these transformed colors based on the similarity be- tween input and representative colors.

Introduction

  • 问题
    First, details of the input im- age are not preserved in the up-sampling process of the de- coder, even though they employ skip-connections. Second, these approaches train networks with fixed input size, which makes it difficult to enhance images of arbitrary spatial res- olutions in the inference phase.

1.使用上采样无法保证解码器还原细节特征;
2.固定尺寸输入让输入图片有限制;

还有一种方法:全局参数估计,不需要上采样,使用RGB, CIELab,LUTS等方式,但不同通道之间无法分开训练颜色迁移;

  • 本文使用方法
    RCT学习大规模色彩迁移,encode+特征表征=大规模色彩迁移能力

Related work

  1. 数据集MIT-Adobe 5K,深度学习开始的方法直接学习像素级,端到端,但效果不行;
  2. 逐渐出现encoder-decoder方法,从GAN到预测光流网络,到频率分解方法;
  3. 全局参数估计:使用密集迁移方程、通道密集迁移、强化学习、3D LUTS,预定义无法有效迁移;

Method

图像色彩增强相关论文阅读-Representative Color Transform for Image Enhancement(ICCV2021)
图像色彩增强相关论文阅读-Representative Color Transform for Image Enhancement(ICCV2021)

图像色彩增强相关论文阅读-Representative Color Transform for Image Enhancement(ICCV2021)

得到模型结构,代码如下

MagicGeorge/RCTNet

实验

在四个实验数据集上测试,达到不错结果;

Conclusion

使用表征和颜色转换特征,利用全局和局部特征融合,得到对应颜色矩阵,提高色彩强化效果。文章来源地址https://www.toymoban.com/news/detail-511109.html

到了这里,关于图像色彩增强相关论文阅读-Representative Color Transform for Image Enhancement(ICCV2021)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 论文阅读_增强语言模型综述

    name_en: Augmented Language Models: a Survey name_ch: 增强语言模型综述 paper_addr: http://arxiv.org/abs/2302.07842 date_read: 2023-05-20 date_publish: 2023-02-15 tags: [‘深度学习’,‘自然语言处理’,‘大模型’] author: Grégoire Mialon,Meta 文章是一篇增强语言模型(Augmented Language Models,ALMs)综述,这里的增

    2024年02月15日
    浏览(56)
  • CSS色域、色彩空间、CSS Color 4新标准

    近期,三大主流浏览器引擎均发布最新版本,支持W3C的CSS Color 4标准,包含新的取色方法 color() 和相应语法,可展示更多的色域及色彩空间,这意味着web端能展示更丰富更高清的色彩。虽然目前只有最新版本的现代浏览器才支持,我们可以先提前了解一下这项新标准。 本文首

    2024年02月08日
    浏览(45)
  • 论文阅读--用于小物体检测的增强算法

    Title: Augmentation for small object detection Abstract: In the recent years, object detection has experienced impressive progress. Despite these improvements, there is still a significant gap in the performance between the detection of small and large objects. We analyze the current state-of-the-art model, Mask-RCNN, on a challenging dataset, MS COCO. We sh

    2024年02月15日
    浏览(54)
  • flutter 主题色彩管理组件 flex_color_scheme

    原文 https://ducafecat.com/blog/flutter-flex-color-scheme 平时我们做样式适配关心几个方面: 设计稿颜色 标记尺寸大小、比例 全局修改为主 快速可修改 今天将会介绍一个快速调整主题色彩样式的三方组件 flex_color_scheme https://pub-web.flutter-io.cn/packages/flex_color_scheme 这个组件已经支持了 f

    2024年02月10日
    浏览(44)
  • 【论文阅读笔记】序列数据的数据增强方法综述

     这篇论文探讨了在深度学习模型中由于对精度的要求不断提高导致模型框架结构变得更加复杂和深层的趋势。随着模型参数量的增加,训练模型需要更多的数据,但人工标注数据的成本高昂,且由于客观原因,获取特定领域的数据可能变得困难。为了缓解数据不足的问题,

    2024年02月05日
    浏览(43)
  • 计算机视觉算法中图像色彩校正(Image Color Correction)

    目录 ​编辑 图像色彩校正(Image Color Correction) 引言 1. 概述 2. 原理 3. 应用场景 4. 总结 在数字图像处理中,图像色彩校正是一项重要的技术,它可以改善图像的色彩质量和真实感。本文将介绍图像色彩校正的概念、原理和常见的应用场景,帮助读者更好地理解和应用这一技

    2024年01月21日
    浏览(40)
  • CSS色域、色彩空间、CSS Color 4新标准 | 京东云技术团队

    近期,三大主流浏览器引擎均发布最新版本,支持W3C的CSS Color 4标准,包含新的取色方法 color() 和相应语法,可展示更多的色域及色彩空间,这意味着web端能展示更丰富更高清的色彩。虽然目前只有最新版本的现代浏览器才支持,我们可以先提前了解一下这项新标准。 本文首

    2024年02月05日
    浏览(35)
  • 《论文阅读》用于情感分析的融合预训练表情符号特征增强

    前言 你是否也对于理解论文存在困惑? 你是否也像我之前搜索论文解读,得到只是中文翻译的解读后感到失望? 小白如何从零读懂论文?和我一起来探索吧! 今天为大家带来的是《Fusion Pre-trained Emoji Feature Enhancement for Sentiment Analysis》 出版:2023 Association for Computing Machiner

    2024年02月09日
    浏览(48)
  • 【论文阅读记录】地震数据增强方法:APPLICATIONS OF DEEP LEARNING IN SEISMOLOGY

     随机位移(Random shift)技术对于提高模型泛化能力的重要性。通过将地震训练数据在时间上进行随机位移,可以减少模型对于特定时间点的位置偏见,从而提高其对地震波到达时间预测的准确性。 目标:利用随机位移增强地震波到达时间(如P波)的预测准确性,通过在每

    2024年04月09日
    浏览(47)
  • 【论文笔记】—低照度图像增强—Unsupervised—EnlightenGAN—2019-TIP

    EnlightenGan是第一个成功地将 非配对训练 引入微光图像增强的工作。  基于深度学习的方法在图像恢复和增强方面取得了显著的成功,但是在缺乏配对训练数据的情况下它们仍然具有竞争力吗?  使用从输入本身提取的信息来规范非配对训练,而不是使用ground truth数据监督学

    2024年02月07日
    浏览(37)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包