基于卷积神经网络的黑白人物图像多种合理着色的研究

摘要

为了解决黑白人物图像着色效率低且着色结果单一的问题,提出了一种以用户引导方式为黑白人物图片着色的深度学习方法.针对端到端的方式学习整个框架,系统将灰度图像以及稀疏的本地用户提示直接映射到卷积神经网络中,网络通过融合低级线索来传播用户编辑,从大规模数据中学习到高级语义信息,快速输出着色结果.为了实现多个合理的着色效果,系统会根据输入图像和目前的输入提供相应建议颜色,从而实时生成颜色的变换着色效果.最后通过图像"峰值信噪比"的对比,验证了该方法的高效性.