論文の概要: NICER: Aesthetic Image Enhancement with Humans in the Loop
- arxiv url: http://arxiv.org/abs/2012.01778v1
- Date: Thu, 3 Dec 2020 09:14:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-23 15:15:52.428877
- Title: NICER: Aesthetic Image Enhancement with Humans in the Loop
- Title（参考訳）: NICER: ループの中の人間による美的イメージ強調
- Authors: Michael Fischer, Konstantin Kobs, Andreas Hotho
- Abstract要約: 本研究は,完全,半自動,完全手動のプロセスにおいて,非参照画像強調に対するニューラルネットワークに基づくアプローチを提案する。
NICERは,ユーザインタラクションを伴わずに画像美学を向上し,ユーザインタラクションを可能とすることで,多様な改善結果が得られることを示す。
- 参考スコア（独自算出の注目度）: 0.7756211500979312
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fully- or semi-automatic image enhancement software helps users to increase
the visual appeal of photos and does not require in-depth knowledge of manual
image editing. However, fully-automatic approaches usually enhance the image in
a black-box manner that does not give the user any control over the
optimization process, possibly leading to edited images that do not
subjectively appeal to the user. Semi-automatic methods mostly allow for
controlling which pre-defined editing step is taken, which restricts the users
in their creativity and ability to make detailed adjustments, such as
brightness or contrast. We argue that incorporating user preferences by guiding
an automated enhancement method simplifies image editing and increases the
enhancement's focus on the user. This work thus proposes the Neural Image
Correction & Enhancement Routine (NICER), a neural network based approach to
no-reference image enhancement in a fully-, semi-automatic or fully manual
process that is interactive and user-centered. NICER iteratively adjusts image
editing parameters in order to maximize an aesthetic score based on image style
and content. Users can modify these parameters at any time and guide the
optimization process towards a desired direction. This interactive workflow is
a novelty in the field of human-computer interaction for image enhancement
tasks. In a user study, we show that NICER can improve image aesthetics without
user interaction and that allowing user interaction leads to diverse
enhancement outcomes that are strongly preferred over the unedited image. We
make our code publicly available to facilitate further research in this
direction.
- Abstract（参考訳）: 全自動または半自動画像強調ソフトウェアは、ユーザーが写真の視覚的魅力を高めるのに役立ち、手動画像編集の深い知識を必要としない。
しかし、完全に自動的なアプローチは、通常、画像をブラックボックス方式で強化するので、ユーザーは最適化プロセスを制御できなくなり、おそらく、主観的にユーザーにアピールしない編集された画像に繋がる可能性がある。
半自動的な手法は、ユーザーが創造性や明るさやコントラストなどの詳細な調整を行う能力に制限のある、事前定義された編集ステップを制御できる。
自動強調手法によってユーザの好みを取り入れることで、画像編集が簡単になり、ユーザに対する強調の焦点が増すことを論じる。
この研究は、対話的でユーザ中心の完全な半自動または完全な手動プロセスにおいて、ノン参照画像拡張に対するニューラルネットワークベースのアプローチである、Neural Image Correction & Enhancement Routine(NICER)を提案する。
NICERは画像のスタイルや内容に基づいて美的スコアを最大化するために、画像編集パラメータを反復的に調整する。
ユーザはこれらのパラメータをいつでも変更でき、最適化プロセスを望ましい方向に導くことができる。
このインタラクティブワークフローは、画像エンハンスメントタスクのためのヒューマンコンピュータインタラクションの分野における斬新さである。
ユーザスタディでは、NICERはユーザインタラクションなしで画像の美学を向上することができ、ユーザインタラクションを可能にすることによって、未編集画像よりも強く好まれる多様な改善結果が得られることを示す。
この方向のさらなる研究を促進するために、コードを公開しています。
関連論文リスト
- PromptArtisan: Multi-instruction Image Editing in Single Pass with Complete Attention Control [1.0079049259808768]
PromptArtisanはマルチインストラクション画像編集の画期的なアプローチだ。
1回のパスで顕著な結果が得られ、時間を要する反復的な改善の必要性がなくなる。
論文 参考訳（メタデータ） (2025-02-14T16:11:57Z) - PIXELS: Progressive Image Xemplar-based Editing with Latent Surgery [10.594261300488546]
PIXELSと呼ばれる,市販拡散モデルを用いたプログレッシブな例駆動編集のための新しいフレームワークを提案する。
PIXELSは編集のきめ細かい制御を提供し、ピクセルや領域レベルでの調整を可能にする。
我々は,PIXELSが高品質な編集を効率よく行うことを実証し,定量化と人的評価に顕著な改善をもたらすことを示した。
論文 参考訳（メタデータ） (2025-01-16T20:26:30Z) - INRetouch: Context Aware Implicit Neural Representation for Photography Retouching [54.17599183365242]
本稿では、プロの編集から前後のイメージペアを通して学習する新しいリタッチ転送手法を提案する。
我々は,画像の内容とコンテキストに基づいて,適応的に編集を適用することを学習する文脈認識型インプシットニューラル表現を開発した。
提案手法は,写真再構成における既存の手法を超越するだけでなく,画像再構成タスクの性能向上にも寄与する。
論文 参考訳（メタデータ） (2024-12-05T03:31:48Z) - Tuning-Free Image Customization with Image and Text Guidance [65.9504243633169]
テキスト画像の同時カスタマイズのためのチューニング不要なフレームワークを提案する。
提案手法は,テキスト記述に基づく詳細な属性の修正が可能でありながら,参照画像のセマンティックな特徴を保っている。
提案手法は,人的・定量的評価において,従来の手法よりも優れていた。
論文 参考訳（メタデータ） (2024-03-19T11:48:35Z) - Enhancement by Your Aesthetic: An Intelligible Unsupervised Personalized
Enhancer for Low-Light Images [67.14410374622699]
低照度画像のための知能的教師なしパーソナライズ・エンハンサー(iUPEnhancer)を提案する。
提案したiUP-Enhancerは、これらの相関関係とそれに対応する教師なし損失関数のガイダンスを用いて訓練される。
実験により,提案アルゴリズムは競合的な質的,定量的な結果が得られることを示した。
論文 参考訳（メタデータ） (2022-07-15T07:16:10Z) - Controllable Image Enhancement [66.18525728881711]
いくつかのパラメータを制御して、複数のスタイルで高品質な画像を生成できる半自動画像強調アルゴリズムを提案する。
エンコーダ・デコーダフレームワークは、リタッチスキルを潜在コードにエンコードし、イメージ信号処理機能のパラメータにデコードする。
論文 参考訳（メタデータ） (2022-06-16T23:54:53Z) - User-Guided Personalized Image Aesthetic Assessment based on Deep
Reinforcement Learning [64.07820203919283]
本稿では,新しいユーザガイド型画像美観評価フレームワークを提案する。
深部強化学習(DRL)に基づく審美評価のためのユーザインタラクションを活用して画像のリタッチとランク付けを行う
パーソナライズされた審美分布は、異なるユーザの審美的嗜好とより一致している。
論文 参考訳（メタデータ） (2021-06-14T15:19:48Z) - Look here! A parametric learning based approach to redirect visual
attention [49.609412873346386]
画像領域を微妙な画像編集によってより注目度の高いものにするための自動手法を提案する。
我々のモデルは、前景および背景画像領域に適用可能な、異なるグローバルパラメトリック変換セットを予測する。
編集により、任意の画像サイズでインタラクティブなレートでの推論が可能になり、簡単に動画に一般化できる。
論文 参考訳（メタデータ） (2020-08-12T16:08:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。