Multiscale Sliced Wasserstein Distances as Perceptual Color Difference Measures

本文介绍了一种基于多尺度切片Wasserstein距离的感知色差测量方法，该方法可以有效地比较颜色和结构相似的非局部补丁。与现代色彩感知的理解相一致，颜色和结构是不可分割的感知组织过程的一个统一体。同时，该方法易于实现且无需训练。实验结果表明，我们的色差测量方法在评估摄影图像的色差方面表现优异，并在存在图像错位的情况下始终优于竞争模型。此外，我们在经验上验证了我们的测量方法在数学意义上作为度量的功能，并展示了其作为图像和视频颜色转换任务的损失函数的潜力。该代码可在https://github.com/real-hjq/MS-SWD上获得。

论文旨在解决数字摄影中常见的图像错位问题对于人类色彩感知的影响，提出了一种基于多尺度切片Wasserstein距离的感知色差度量方法。

该方法通过比较相似颜色和结构的非局部块，有效地捕捉到人类色彩感知，同时易于实现和无需训练。

论文使用开源代码，实验结果表明该方法在评估摄影图像的色差时表现优异，并在图像错位的情况下始终优于竞争模型。此外，论文还验证了该度量方法作为数学意义上的度量，并展示了其在图像和视频颜色转换任务中作为损失函数的潜力。

最近的相关研究包括基于深度学习的图像色彩转换和图像质量评估，如“Deep Photo Enhancer: Unpaired Learning for Image Enhancement from Photographs with GANs”和“Deep Blind Image Quality Assessment Using a Deep Learning-Based Blindness Index”。