A képszínezés egy olyan gyakorlati feladat, amely automatikusan leképezi a szürkeárnyalatos képeket elfogadható színes képekké. Az ilyen technikák lehetővé teszik a természetes szín hozzáadását a régi családi vagy történelmi képekhez, és a régi filmeket életre kelthetik a modern közönség számára. Bár az ezen a területen végzett korábbi munkák lenyűgöző eredményeket mutattak, a legtöbb megközelítés nehézségekbe ütközik, ha a bemeneti képek több objektumot tartalmaznak, mivel ez többféle lehetséges színezési lehetőséget kínál az objektumok színezésére, és növeli az összetettség és a konzisztencia kihívásait. Ennek megoldására a National Tsing Hua Egyetem és a Virginia Tech kutatói új mély tanulási keretrendszert vezettek be a példatudatos színezéshez.
A kutatócsoport azt javasolja, hogy a színezési teljesítmény drámaian javítható példány szinten, néhány okból. A példányok színezésének elsajátítása egyszerűbb, mint a meglévő módszerek, amelyek megtanulják a teljes kép színezését, ami az összetett háttér zűrzavarának kezelését jelenti. Az objektumszintű ábrázolások lokalizált objektumokból való megtanulása segíthet elkerülni a színek összetévesztését a háttérrel.
A javasolt módszer a példány-tudatos képszintézis és -manipuláció gondolatát kölcsönzi, egyértelmű alak-föld elválasztást biztosít, és megkönnyíti a vizuális megjelenés szintézisét és manipulálását. A javasolt példány-tudatos képszínezési módszer tovább mozdíthatja a folyamatot azáltal, hogy összetett jeleneteket több példányban kezel, és térben koherens színezési eredményeket produkál az esetlegesen átfedő példányok egyidejű kezelésével.
Ha bemenetként egy szürkeárnyalatos X képet adunk, a javasolt módszer egy készen kapható, előre betanított modellt használ az objektumhatároló dobozok (Bi) észlelésére, hogy kivágja a Xi példányt Bi-n keresztül, majd egy példányszínező hálózatot használ. végponttól végéig például és a teljes kép színezése. Annak érdekében, hogy a példányszínek kompatibilisek legyenek a megjósolt háttérszínekkel, a kutatók egy fúziós modul segítségével egyesítették az összes példányjellemző térképet a kivont teljes kép jellemzőtérképével, hogy biztosítsák a globálisan egységes színezési eredményeket.
Az eredmények azt mutatják, hogy a javasolt példány-tudatos modell kedvezően teljesít a létező legkorszerűbb modellekkel összehasonlítva, kiemelve a példánytudatos színezési modellek lehetőségét a több objektumot tartalmazó összetett képek képszínezési teljesítményének javítására.
A papír példányérzékeny képszínezés az arXiv-en található.
Szerző: Hecate He | Szerkesztő: Michael Sarazen
Tudjuk, hogy nem szeretne lemaradni egyetlen történetről sem.Iratkozzon fel népszerű "Synced Global AI Weekly" a heti AI-frissítésekért.
Ossza meg kutatásait a szinkronizált áttekintéssel
A Share My Research a Synced új rovata, amely üdvözli a tudósokat, hogy megosszák saját kutatási áttöréseiket több mint 1,5 millió globális AI-rajongóval. A technológiai fejlődésen túl a Share My Research érdekes történeteket és izgalmas kutatási ötleteket is kíván a kutatás mögött. Ossza meg velünk kutatásait az „ide” kattintva.
Átfogó áttekintésre van szüksége a modern AI kutatásfejlesztés múltjáról, jelenéről és jövőjéről? Megjelent a „Trends of AI Technology Development Report”!
Megjelent a „2018 Fortune Global 500 Public Company AI Adaptive Report”!
Vásároljon Kindle formátumú jelentést az „Amazon” webhelyről.
Jelentkezzen az Insight Partner Programba, hogy ingyenes, teljes PDF-jelentést kapjon.
