CVPR 2022丨高分辨率图像和谐化

现有的深度学习图像和谐化方法大多基于编码器-解码器的结构，在低分辨率图像和谐化任务上取得了优异的性能。但是直接将这些方法应用于高分辨率图像和谐化会有诸多问题。

一方面，随着图像分辨率的增加，存储成本和计算成本会变得十分高昂。另一方面，这些方法主要叠加局部卷积操作，捕捉长程关系的能力较弱，对于前景面积占比较大的图片和谐化效果不佳。

在这篇论文中，我们将之前深度学习图像和谐化方法总结为像素到像素（pixel-to-pixel）变换的方法，提出了颜色到颜色变换（color-to-color）的方法，并且将两种类型的方法有机融合在同一个框架下，因此方法的名字叫做Collaborative Dual Transformations (CDTNet)。