흑백 사진 음영처리(1/2)

며칠 전산총연 AI 데이터에서'흑백사진 착색'에 대한 이야기가 흥미로웠습니다. 이야기에 소개된 세 가지 모델을 조사해 봤습니다.

Deep Network를 사용하여 글로벌 피쳐 및 로컬 피쳐를 학습하여 흑백 사진 자동 음영처리

첫 번째는 와세다(早稻田)대학의 다카하시 지선생님..
선생님의 말씀에 의하면 색칠의 난점은
세그먼트 및 식별
이미지 인식
무슨 색
식별된 물체는 어떤 색을 넣어야 좋을까
전반적인 특징이 중요합니다.
하늘, 지면 등 넓은 범위의 이미지 특징
(전체적 특징을 제대로 배우지 않으면 넓은 범위의 착색이 안정되기 어렵다.)
모범
선생님의 연구의 관건은 전체적인 특징과 국부적인 특징을 동시에 배우는 것이다.
밥총 선생님의 연구
모델은 복잡한 CNN 모델이다.
위의 절차는 국부적 특징의 학습이고 다음은 전체적 특징의 학습이다.
마지막으로 두 가지 특징을 한데 융합시켜 착색의 결과가 된다.
학습용 이미지는 의 장면 분류용 데이터 집합이기 때문에 장면 분류와 색을 동시에 학습할 수 있다.
결과
MIT Places Scene Dataset
논문에 쓴 결과가 매우 좋다.
실제로 사용해 보세요.
설치, 다운로드Torch만 하면 사용할 수 있습니다.
이미지가 커지면 메모리 오류가 발생할 수 있습니다.
그럼에도 불구하고 메모리는 4G 이상을 추천합니다.
수행: th colorize.lua <input_image> [<output_image>]소스 코드 　
　
하늘, 식물은 모두 색깔을 염색했지만 옷과 특징이 없는 배경 등은 배우기 어렵다.
그래도 대단해!

Learning Representations for Automatic Colorization

두 번째는.
모범
시카고 대학 연구
we train our model to predict per-pixel color histograms
VGG 모델에서 각 픽셀의 하이퍼열을 학습합니다.
결과

좋은 결과라고 하는데 실제로 쓰면 어떨까요.
먼저 설치.
단계 참조Caffe.
호스트는 pip를 통해 설치할 수 있습니다.pip install autocolorize수행: autocolorize *.jpg -o outputCPU만 설치-d cpu하면 됩니다.
,,, 하지만 메모리 오류를 실행할 수 없습니다.(´;ω;`)우우
그럼 VM 메모리를 2G에서 4G로 바꾸어 보겠습니다.
이번에는 순조롭게 갔다.
여기 　
　
전자에 비하면 색깔이 좀 불충분하다고 느낀다.
실제로 API 및이 있으므로 설치하지 않고도 사용할 수 있습니다.
다음은 온라인 데모