图像上色 (Image-Colorization) 项目

最新推荐文章于 2024-08-05 23:09:30 发布
最新推荐文章于 2024-08-05 23:09:30 发布
阅读量2.1k 收藏 31
点赞数 4
分类专栏： 图像上色 老照片上色 黑白照片上色 文章标签： 深度学习 人工智能 机器学习 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_50502579/article/details/117736852
版权
最低0.47元/天 解锁文章
【计算机视觉】图像着色(Image Colorization)
weixin_30401605的博客
08-08 3185
（Sometimes technology enhances art. Sometimes it vandalizes art. --- 有时技术会增强艺术，有时它破坏了艺术。） 着色黑白电影是一个可以追溯到1902年的古老想法。几十年来，许多电影创作者反对将黑白电影着色的想法，并将其视为对艺术的破坏。 今天它被接受为艺术形式的增强。该技术本身已经从艰苦的手工着色转变为如今的...
自监督学习--图像上色论文 Colorful Image Colorization
Limonor的博客
10-15 5221
这是一篇比较老的论文了，是2016的ECCV，但是是属于自监督学习pretext task的一篇代表任务工作，而且论文的效果确实比较好，贴一个后面的web应用 点击这里Demo 这是这篇论文的展示页面 论文github地址 一、自监督介绍 有监督 无监督 自监督 的区别 见这篇 一句话总结，传统的深度学习需要大量的人工标注数据，自监督学习通过pretext task（前置任务）学习数据内部分布，生成伪标签来训练模型，打破了标签数据的局限，更接近人工智能的本质。 自监督学习一般有三大常见的前置任务，分
Automatic-Image-Colorization:自动图像着色
05-11
自动图像着色 我们的任务是将给定的灰度图像转换为彩色（RGB）图像。 介绍 给定灰度图像输入，我们的目标是在无需任何人工干预的情况下找到其可信的彩色图像。 完成此任务是一个难题，因为给定图像通常没有“正确的”可达到的颜色，因为T恤的颜色可以是白色，红色或黑色。 实验室色彩空间 也称为。 它用三个数值（L，a，b）表示为 亮度L（亮度） a为绿色至红色的颜色分量 b代表蓝黄色颜色分量 训练阶段的每个图像都首先转换为Lab色彩空间，然后将其进一步传递进行处理。 Luminance（L）通道不过是用于训练的彩色图像的灰度图像。 我们为什么要使用Lab色彩空间？ -之所以在RGB上使用它，是因为Lab中的欧几里德距离与人类感知色差的方式更相似 。 方法 在这里，为了构建解决方案，我们正在探索从传统的手工精选功能到现代深度学习技术的各种选择。 1.前馈神经网络 由于亮度（ L ）通道是灰度
图片上色项目 —— Deoldify
zkkkkkkkkkkkkk的博客
05-24 1095
目录 一、拉取Deoldify项目代码 二、下载预训练模型 2.1、步骤 一、拉取Deoldify项目代码 git地址：https://github.com/jantic/DeOldify 二、下载预训练模型 2.1、步骤 1）在项目根目录创建models文件夹 2）下载预训练模型......
颜色分类leetcode-Image-Colorization:使用GAN进行图像着色，用Pytorch编写
07-06
颜色分类leetcode 使用 GAN 进行图像着色 介绍 该存储库是 Conditional GAN 的实现，用于将图像从灰度转换为 RGB。 网络的输入是 1 通道灰度图像（特别是 LAB 色彩空间的“L”通道），生成器将创建输入图像的 3 通道彩色版本。 生成器具有编码器-解码器架构； 鉴别器只是一个编码器加上提供一类输出的全连接层。 跳过连接应用于生成器（U-Net）。 对于 224x224 图像，生成器的架构如下所示。 每个块包含 Conv(transpose Conv) 层、BatchNormalization 和 Leaky ReLU。 生成器的最终激活函数是 tanh； 用于鉴别器的 sigmoid。 输入图像在输入网络之前被标准化。 总的来说，Conditional GAN 的目标函数是： 对于生成器，使用 L1 距离添加正则化项： 其中使用系数 lambda 100。 该模型使用 Adam 优化器进行了优化，并稍作改动。 该模型适用于各种彩色图像数据集。 这里实验了三个数据集：OxFlower、SpongeBob 和 SC2Replay。 ：Oxford VGG g
ImageColorization：将黑白照片放入照片文件夹，Image Colorization API将返回彩色图像
02-15
图像着色 将黑白照片放入照片文件夹，Image Colorization API将返回彩色图像 该程序在DeepAI上使用Image Colourizer API。 将您的黑白照片放到photos文件夹中（如果不存在，请在与.exe相同的文件夹中创建）。 运行colourizer.exe并按照提示进行操作。 您闪亮的新着色器照片将位于color文件夹中（同样，如果不存在，请在与.exe相同的文件夹中创建）。
matlab灰度出来代码-Colorization_Using_Optimization:使用优化方法对灰色图片进行着色（Python版本）
05-26
Colorization using Optimization(最优化上色) 介绍 ============ 彩色化灰度图是参考论文 在原网站给出了matlab版的代码，在目录matlab/origin中给出。同时在github上也找到了塔尔图大学的一个实现，在matlab/...
自动上色论文《Deep Exemplar-based Colorization》（1）
Najlepszy的博客
01-08 6344
今天看了一篇纯数学的论文，感觉被骗了www 数学是一定要学的，不过先看看网络结构的去想想有没有什么好的idea。 论文链接：https://arxiv.org/pdf/1807.06587.pdf ...
小白论文复现 ： DDColor: Towards Photo-Realistic Image Colorization via Dual Decoders
weixin_63260303的博客
04-23 2742
科研小白首次复现论文：复现顶会（ICCV）论文 DDColor: Towards Photo-Realistic Image Colorization via Dual Decoders。作者提出了一种用于图像着色的端到端方法，称为 DDColor。DDColor 的主要贡献在于设计了两个解码器：色彩解码器和像素解码器，前者利用基于查询的转换器学习语义感知的色彩查询，后者生成多尺度视觉特征以优化色彩查询。作者的方法在性能和生成逼真且语义一致的着色能力方面都超越了以前的方法。
Still Image Colorization
luckyboy101的专栏
07-24 2632
Still Image Colorization   This is a cource project of ECE420 Digital Image Processing   Colorization represents a computer-assisted process of adding color to grey-scale still images or
matlab黑科技代码-imagecolorization:使用纹理相似性的用户引导图像着色
06-02
matlab黑科技代码着色 此代码结合了 Levin、Lischinski 和 Weiss 的工作“通过优化着色”的工作，以及 Efros 和 Leung 在纹理合成和相似性方面的工作，用于用户引导的图像着色。 着色是使黑白图像变得多彩的过程。 已经提出了一种新的着色方法（Levin、Lischinski 和 Weiss，2004 年），它使用了一个简单的想法，即时空中的相邻像素具有相似的强度。 尽管作者提供了他们方法的 MATLAB 实现，但我们可以看到颜色经常会渗出边缘。 使用具有相似纹理的对象通常具有相似颜色的假设，我们可以使用 SSD 误差来确定像素的颜色。 有关此项目的概述，请参阅“GinnySunColorization.pdf”。 麻省理工学院计算机视觉项目进展（2018 年） 改编自 与 Justin Yu 合作 ============ 用法 使用您最喜欢的图像编辑程序（例如 Photoshop、gimp）并将两个图像保存到磁盘。 原始黑白图像。 图像需要以 RGB（3 通道）格式保存。 在所需位置涂上颜色的黑白。 使用您最喜欢的绘画程序（Photoshop、pain
Colorful-Image-Colorization:这是纸张彩色图像着色的keras实现
04-30
彩色图像着色 这是纸张的keras实现。 依存关系 数据集 按照下载ImageNet数据集。 建筑学 用法 数据预处理 提取训练图像： $ python pre-process.py 火车 $ python train.py 如果要在培训过程中可视化，请在终端中运行： $ tensorboard --logdir path_to_current_dir/logs 演示版 将预先训练的模型下载到“ models”文件夹中，然后运行： $ python demo.py 输入 输出 GT
ImageColorizer
03-04
使用ImageColorizer生成墙纸和图像！ 它是一个Python模块和一个CLI工具，您可以轻松地使用它们为墙纸着色，以使其适合配色方案。 当前支持从当前设置的Xresources变量和colorer （我的）中导入colorschemes。 这些示例使用OneDark颜色方案： 它可以使用两种不同的算法： 逐像素算法，遍历每个像素，并用颜色方案中的正确颜色替换它 平均值算法，计算之前每个像素的平均颜色。 在某些情况下，这可以提供更平滑，更好的结果。 逐像素 平均 用法 usage: ImageColorizer [-h] [-x] [-c COLORSCHEME] [-w] [-p COLOR [COLOR ...]] [-s] [-b] [--average BOX_SIZE] [--no_quantize]
图像着色算法的实现（MFC编程）
09-13
实现了图像的着色，文件中包含了：源代码、论文、测试图片以及使用方法
【python】OpenCV—Image Colorization
最新发布
bryant_meng
08-05 1796
参考文章为了简化计算，Lab 颜色空间的 ab 空间被量化为 313 个 bin，如下图所示。而不是为每个像素找到 a 和 b 值，因为这种量化，我们只需要找到一个介于 0 和 312之间的 bin 编号。另一种思考问题的方式是我们已经有了取值从 0 到 255 的 L 通道，我们需要找到取值在 0 到 312 之间的 ab 通道。所以颜色预测任务现在是变成了多分类问题，其中每个灰色像素有 313 个类别可供选择。
探秘Awesome-Image-Colorization：让黑白照片焕发生机的神奇工具
gitblog_00026的博客
04-11 322
探秘Awesome-Image-Colorization：让黑白照片焕发生机的神奇工具 去发现同类优质开源项目:https://gitcode.com/ 在数字世界中，图像和色彩扮演着不可或缺的角色。然而，历史的照片往往以黑白形式存在，无法让我们领略到那个时代的丰富多彩。 项目正是为了解决这个问题，利用深度学习技术将黑白图片转化为生动的彩色图像。 项目简介 Awesome-Image-Color...
A Neural Network For Automatic Image Colorization
luckyboy101的专栏
12-23 634
论文地址：http://iizuka.cs.tsukuba.ac.jp/projects/colorization/en/ pytorch源代码：https://github.com/shufanwu/colorNet-pytorch 神经网络模型   模型代码：colornet.py import torch.nn as nn import torch.nn.functional...
Let there be Color!: Automatic Image Colorization with Simultaneous Classification - sig - 2016
_menglan_Zi
05-05 3557
最近在arxiv上逛逛，看到一篇关于colorization的paper觉得挺有意思的： Let there be Color!: Joint End-to-end Learning of Global and Local Image Priors for Automatic Image Colorization with Simultaneous Classification - sig -
综述Image Colorization: A Survey and Dataset
m0_37833297的博客
08-12 641
我想看一个image colorization 的综述，然后惊奇发现这也是lichongyi（李重仪） 大佬有贡献的文章。 我的英语写作能力很差，用英语总结练习，用词和句式都很简单。 Development The structure of the review This is the review of single-image colorization with deep-learning. To the best of our knowledge, no survey of either tra
Colorful Image Colorization代码
04-30
Colorful Image Colorization 是一个基于深度学习的图像上色模型，使用 Caffe 框架实现，其代码可以在 GitHub 上找到（https://github.com/richzhang/colorization）。以下是使用该代码进行图像上色的简要步骤： 1. 下载模型文件 从 GitHub 上下载模型文件，并将其放置在 `models` 文件夹下。 2. 准备输入图像 将待上色的图像放置在 `imgs` 文件夹下。 3. 执行脚本 在终端中执行以下命令： ``` python colorize.py -img_in imgs/your_image.jpg -img_out output.jpg ``` 其中 `your_image.jpg` 是待上色的图像文件名，`output.jpg` 是上色后的输出文件名。 4. 查看结果 上色后的结果将保存在 `output.jpg` 文件中，可以使用图像查看器查看。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值