

ECCV2022 Oral｜无需前置条件的自动着色算法

极市平台

2022-07-16

↑ 点击蓝字关注极市平台

作者丨白乌鸦@知乎（已授权）

来源丨https://zhuanlan.zhihu.com/p/540726540

编辑丨极市平台

极市导读

本文将介绍一个无需前置条件即可自动着色的算法，实现了目前最好的着色效果，性能在所有指标上打败了标准的CNN colorization方法以及Google在ICLR2021提出的方法。 >>加入极市CV技术交流群，走在计算机视觉的最前沿

论文过段时间会挂到实验室主页上，代码很快也会开源。

实验室主页：https://ci.idm.pku.edu.cn/

模型介绍

我们造了一个自动着色的Transformer模型，以color tokens作为辅助，实现了目前最好的着色效果。这里说的color tokens来自于经典工作《colorful image colorization》（CIC）中量化ab color space的思路，我们将每个格子都当做一个token，借助position embedding得到格子之间的位置关系，从而获得color token的颜色相对关系（离得远的色差大，否则小），从而设计一系列模块来引导color token监督着色。

这里可视化一下我们的Pipeline，可以看到基本上不需要对transformer结构做太多魔改，只需要依靠我们设计的Luminance-selecting module, Color Attention和Color query等模块，依靠ab color space中颜色分布的先验知识，就可以实现好的着色性能。

我们的模型不需要任何前置条件（例如目标检测主要着色物体，或者先用inversion GAN生成个参考图像），就能生成正确颜色语义和丰富饱和度的图像。因为没有前置条件的需求，所以使用场景更广（例如不受限于检测器可以检测的目标的类别，以及GAN可以生成的图像的类别）。

实验结果

下面是我们的分数和user study，我们对比了标准的CNN colorization方法，以及Google在ICLR2021提出的第一个colorization transformer，最终性能在所有指标上都打过了他们；我们额外比较了一些热门的图像修复算法，但显然专门为colorization设计的算法性能更优；我们还比较了著名的预训练模型MAE，并把colorization当做他的一个下游任务来finetune，但他在这个任务上看起来也不是很聪明的样子。