NamedCurves: Learned Image Enhancement via Color Naming

一种流行的增强图像的方法是使用由原始输入和编辑器增强版本组成的训练图像对来学习专业照片编辑器的风格。在处理图像时，许多编辑工具提供了一种功能，允许用户操纵有限的熟悉颜色选择。通过颜色名称进行编辑可以轻松调整诸如天空的“蓝色”或树木的“绿色”等元素。受这种颜色操纵方法的启发，我们提出了NamedCurves，一种基于学习的图像增强技术，它将图像分成一小组命名颜色。我们的方法通过色调曲线学习为每个特定的命名颜色全局调整图像，然后使用基于注意力的融合机制将图像组合起来，以模拟空间编辑。我们在著名的Adobe 5K数据集和PPR10K数据集上展示了我们的方法与几种竞争方法的有效性，显示出显着的改进。

论文旨在提出一种名为NamedCurves的图像增强技术，通过将图像分解为一小组命名颜色并学习全局调整每种特定命名颜色的图像来实现。该方法的目的是在Adobe 5K数据集和PPR10K数据集上展示出显著的改进。

NamedCurves使用命名颜色将图像分解为几个部分，并使用调色板对每个颜色进行全局调整，然后使用基于注意力的融合机制将图像重新组合以模拟空间编辑。

论文在Adobe 5K数据集和PPR10K数据集上展示了NamedCurves方法的有效性，并与其他几种竞争方法进行了比较。实验结果表明，NamedCurves方法在图像增强方面表现出色，并且能够处理大量图像中的不同颜色。

在最近的研究中，也有一些关于图像增强的研究，例如：'Deep Photo Enhancer: Unpaired Learning for Image Enhancement from Photographs with GANs'和 'Learning to See in the Dark'。