极化自注意力约束颜色溢出的图像自动上色

摘要：

自动上色可以将灰度图像转换为色彩合理的自然彩色图像,可以为老旧照片、黑白影视作品等重新恢复颜色,因此在计算机视觉和图形学领域受到广泛关注.然而,为灰度图像分配色彩是一项极具挑战性的任务,存在颜色溢出问题.为解决该问题,提出了一种极化自注意力约束颜色溢出的图像自动上色方法.首先,将前景中的实例和背景分开,降低背景对前景的上色影响,从而减少前景和背景之间的颜色溢出;然后,使用极化自注意力模块把特征分为颜色通道和空间位置两部分,使上色更加准确、具体,从而减少全局图像、实例对象内的颜色溢出;最后,结合融合模块,将全局特征和实例特征通过不同权重融合为一体,完成最终上色.实验结果表明,与ChromaGAN,MemoGAN等算法相比,所提方法在主要指标FID,LPIPS上分别提升了9.7％和10.9％,且SSIM和PSNR指标均达到最优.

关键词：图像上色、深度学习、目标检测、自注意力、颜色溢出

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;云南省应用基础研究面上项目;云南省科技厅应用基础研究计划重点项目;云南省科技厅应用基础研究计划重点项目

在线出版日期：2023-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：208-215