A Large-scale Film Style Dataset for Learning Multi-frequency Driven Film Enhancement

要約

古典的なイメージスタイルであるフィルムは、写真の誕生を記念するものであるため、写真業界全体にとって文化的な意義がある。しかし、フィルム撮影は時間とコストがかかるため、フィルムスタイルの写真を収集するための効率的な方法が必要である。これまで画像補正の分野で登場した数多くのデータセットは、フィルムに特化したものではない。フィルムベースの画像スタイル化研究を促進するために、我々は大規模かつ高品質なフィルムスタイルデータセットであるFilmSetを構築する。このデータセットには、3つの異なるタイプのフィルムと、5000枚以上の高解像度画像が含まれています。FilmSet画像の特徴に触発され、我々は、周波数帯域にわたって画像をスタイライズし、映画スタイルの結果を達成するために、ラプラシアンピラミッドに基づくFilmNetと呼ばれる新しいフレームワークを提案する。実験により、我々のモデルの性能が最先端の技術よりも優れていることが明らかになった。コードとデータのリンクは୧⃛(๑⃙⃘⁼̴̀꒳⁼̴́๑⃙⃘)

要約(オリジナル)

Film, a classic image style, is culturally significant to the whole photographic industry since it marks the birth of photography. However, film photography is time-consuming and expensive, necessitating a more efficient method for collecting film-style photographs. Numerous datasets that have emerged in the field of image enhancement so far are not film-specific. In order to facilitate film-based image stylization research, we construct FilmSet, a large-scale and high-quality film style dataset. Our dataset includes three different film types and more than 5000 in-the-wild high resolution images. Inspired by the features of FilmSet images, we propose a novel framework called FilmNet based on Laplacian Pyramid for stylizing images across frequency bands and achieving film style outcomes. Experiments reveal that the performance of our model is superior than state-of-the-art techniques. The link of code and data is \url{https://github.com/CXH-Research/FilmNet}.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL