arXiv cs.AI· Vincent Auriau, Emmanuel Malherbe, Matthieu Perrot·· 3 天前AI 评分20
弱分割引导 GAN 实现逼真图像颜色编辑
Weak Segmentation-Guided GAN for~Realistic Color Edition
AI 导读
研究者提出一种利用任意可微分分割模型的 GAN 架构，在多个用例上取得 SOTA 结果，生成图像既逼真又能精确控制颜色。该方法旨在同时解决传统分割加直方图匹配可控性强但缺乏真实感、GAN 真实感强却难以控制的问题。
正文 · AI 翻译
摘要：以逼真的方式编辑图像颜色有许多应用，例如改变图像的感知、数据增强或电影后期处理。设计一个自动工具是一项复杂且长期存在的挑战。特别是，有两个特性很难同时满足：生成没有伪影的逼真结果，以及能够精确选择未来的颜色。使用分割和直方图匹配的传统方法最大化了可控性，但也引入了缺乏真实感的问题，或者难以自动化。相反，专门用于真实感的 GAN 难以控制。为了克服这些挑战，我们提出了一种新颖的 GAN 架构，利用任何可微分分割模型。我们展示了我们框架的通用性，在不同用例上呈现了最先进的结果。它生成的图像看起来逼真，同时提供精确的颜色控制。
| 主题： | 人工智能 (cs.AI) |
| 引用为： | arXiv:2610.16620 [cs.AI] |
| （或 arXiv:2610.16620v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.16620 arXiv 颁发的 DOI 通过 DataCite（待注册） |
|
| 期刊 参考： | Image Analysis and Processing -- ICIAP 2023, 14233, Springer Nature Switzerland, pp.487-499, 2023, Lecture Notes in Computer Science |
提交历史
来自：Vincent Auriau [查看电子邮件] [通过 CCSD 代理]
[v1]
2026年10月12日星期一 11:36:01 UTC (7,331 KB)
来源：arXiv cs.AI · arxiv.org