.png){kind=icon}
返回
Learning multi-color curve for image harmonization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.engappai.2025.110277.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于拍摄条件不同，合成图像的前景与背景之间通常缺乏真实感。作为一项重要且具有挑战性的视觉任务，图像调和能够有效提升合成图像的视觉效果。目前，图像调和方法在公开数据集上已取得令人满意的效果。然而，在前景与背景颜色差异较大的部分挑战性示例中，现有方法的效果不佳。为解决此问题，我们提出了一种多颜色曲线网络（Multi-color Curve Net），通过多种颜色空间处理图像以捕获更丰富的颜色信息。我们的多颜色曲线网络采用由改进Transformer块构成的编码器，在不同颜色空间中进行多阶段曲线学习。同时，我们引入了多颜色集成模块（Multi-color Integration Module）以有效融合不同颜色空间提取的信息，并通过轻量级细粒度优化模块（Fine-grained Optimization Module）进一步提升结果。多颜色曲线网络在保持较小参数规模的同时实现了高性能。在基准数据集上的实验表明，多颜色曲线网络在峰值信噪比（PSNR）、结构相似性（SSIM）和前景均方误差（fMSE）指标上均优于当前最优方法，且参数量更少。本方法的相关代码可在 https://github.com/gmrj2024/MC2Net 获取。
Keyword:
Image harmonization
Multiple color spaces
Curve learning
期刊
IF:
8
论文数:
5.7K
被引数:
3.5W
机构
暂无机构信息
引用论文
A Scoping Review of Integrated Blockchain-Cloud (BcC) Architecture for Healthcare: Applications, Challenges and Solutions.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏
分享收藏
查看更多内容