摘要

图像修正是提升照片视觉吸引力的重要方面。尽管用户通常具有共同的审美偏好，但他们的修正方法可能因个人喜好而异。因此，需要一种白盒方法，既能产生令人满意的结果，又能方便用户同时编辑图像。近期的白盒修正方法依赖于级联全局滤波器，这些滤波器可以提供图像级别的滤波参数，但无法进行细粒度的修正。相比之下，调色师在使用传统工具（如DaVinci Resolve）时通常采用分而治之的方法，对特定区域进行一系列细粒度的增强。我们借鉴这一思路，开发了一种基于并行区域特定滤波器的白盒框架，称为RSFNet（Region-Specific Filter Network）。我们的模型能够同时生成每个滤波器的滤波参数（例如饱和度、对比度、色调）和区域注意力图。与级联滤波器不同，RSFNet采用线性叠加的方式组合滤波器，这使得可以更容易地训练更多样化的滤波器类别。实验结果表明，RSFNet达到了当前最先进的水平，在提供令人满意的美学效果的同时，也增加了用户编辑白盒修正的便利性。