Crowd-Powered Photo Enhancement Featuring an Active Learning Based Local Filter

要約

この研究では、さまざまな領域にさまざまな効果を適用することで、入力画像の美的品質を向上させる局所的な写真の強調に取り組みます。
既存の写真補正方法は、コンテンツを認識していないか、ローカルではありません。
したがって、我々は、コンテンツを意識したローカルエンハンスメントのためのクラウドパワードローカルエンハンスメント方法を提案します。これは、クラウドワーカーに画像編集機能のパラメータをローカルに最適化するよう依頼することによって実現されます。
パラメーターを局所的に最適化することを容易にするために、アクティブ ラーニング ベースのローカル フィルターを提案します。
能動学習法により選択されたいくつかのキーピクセルのみでパラメータを決定する必要があり、他のピクセルのパラメータは回帰モデルを使用して自動的に予測されます。
選択されたキー ピクセルのパラメータは個別に最適化され、最適化問題を一連の単一スライダー調整に分割します。
私たちの実験では、提案されたフィルターが既存のフィルターよりも優れており、強化された結果は既存の強化方法による結果よりも視覚的に好ましいことがわかりました。
私たちのソースコードと結果は、https://github.com/satoshi-komuro/crowd-powered で入手できます。

要約(オリジナル)

In this study, we address local photo enhancement to improve the aesthetic quality of an input image by applying different effects to different regions. Existing photo enhancement methods are either not content-aware or not local; therefore, we propose a crowd-powered local enhancement method for content-aware local enhancement, which is achieved by asking crowd workers to locally optimize parameters for image editing functions. To make it easier to locally optimize the parameters, we propose an active learning based local filter. The parameters need to be determined at only a few key pixels selected by an active learning method, and the parameters at the other pixels are automatically predicted using a regression model. The parameters at the selected key pixels are independently optimized, breaking down the optimization problem into a sequence of single-slider adjustments. Our experiments show that the proposed filter outperforms existing filters, and our enhanced results are more visually pleasing than the results by the existing enhancement methods. Our source code and results are available at https://github.com/satoshi-kosugi/crowd-powered.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google