DeepLPF: Deep Local Parametric Filters for Image Enhancement

模型描述

该模型为图像色彩增强模型，输入为待调色的图像，输出为增强后的图像。DeepLPF仿照传统调色工具中用到的特定形状filter的调色思路，通过拟合参数化的局部filter来实现局部增强。

期望模型使用方式以及适用范围

适用于一般条件下拍摄得到的图像，可对图像进行色彩增强。

如何使用

在ModelScope框架上，提供输入图片，即可通过简单的Pipeline调用来使用。
该模型暂不支持CPU推理，请确保在GPU 环境运行。

代码范例

import cv2
from modelscope.outputs import OutputKeys
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

img = 'https://modelscope.oss-cn-beijing.aliyuncs.com/test/images/image_color_enhance.png'
image_color_enhance = pipeline(Tasks.image_color_enhancement, 
                               model='damo/cv_deeplpfnet_image-color-enhance-models')
result = image_color_enhance(img)
cv2.imwrite('enhanced_result.png', result[OutputKeys.OUTPUT_IMG])

模型局限性以及可能的偏差

模型基于adobefivek进行训练，对于与该数据集分布相差较多的输入可能难以达到最佳效果，在某些极端情形下效果亦无法保证。

训练数据介绍

Adobefivek数据集，包含4500个图像对（手机拍摄的待调色图像与经艺术家调整后的图像），两组图像对来自同一个场景实例。

训练数据链接: https://data.csail.mit.edu/graphics/fivek/

测试数据介绍

Adobefivek数据集

文件类型： .PNG

文件数量： 500

包含500个图像对，均为来自同一个场景的实例。

数据评估及结果

相关论文以及引用信息

如果你觉得这个模型对你有所帮助，请考虑引用下面的相关论文：

@InProceedings{DBLP:conf/cvpr/MoranMMPS20,
  author    = {Sean Moran and Pierre Marza and Steven McDonagh and Sarah Parisot and Gregory G. Slabaugh},
  title     = {Deeplpf: Deep local parametric filters for image enhancement},
  booktitle = CVPR,
  pages     = {12823--12832},
  publisher = {Computer Vision Foundation / {IEEE}},
  year      = {2020},
  url       = {https://openaccess.thecvf.com/content\_CVPR\_2020/html/Moran\_DeepLPF\_Deep\_Local\_Parametric\_Filters\_for\_Image\_Enhancement\_CVPR\_2020\_paper.html},
  doi       = {10.1109/CVPR42600.2020.01284},
  timestamp = {Tue, 31 Aug 2021 14:00:04 +0200},
  biburl    = {https://dblp.org/rec/conf/cvpr/MoranMMPS20.bib},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

https://github.com/sjmoran/DeepLPF