ColorFLUX：用于旧照片着色的结构-颜色解耦框架

老照片保留了宝贵的历史记忆，因此对其进行修复和着色非常理想。虽然现有的修复模型可以解决一些退化问题，例如去噪和划痕去除，但它们通常难以实现准确的着色。这种限制源于旧照片固有的独特退化，例如亮度褪色和色调改变，这与现代照片分布不同，在着色过程中产生了很大的域间隙。在本文中，我们提出了一种基于生成扩散模型 FLUX 的新颖的旧照片着色框架。我们的方法引入了一种结构-颜色解耦策略，将结构保留与颜色恢复分开，从而能够对老照片进行准确的着色，同时保持结构的一致性。我们通过渐进式直接偏好优化 (Pro-DPO) 策略进一步增强模型，该策略允许模型通过颜色增强中从粗到细的过渡来学习微妙的颜色偏好。此外，我们通过引入视觉语义提示来解决基于文本的提示的局限性，该提示直接从老照片中提取细粒度的语义信息，有助于消除老照片固有的颜色偏差。合成数据集和真实数据集的实验结果表明，我们的方法优于现有最先进的着色方法（包括闭源商业模型），可产生高质量且生动的着色。