超越固定亮度：走向全色和正色图像着色

大多数图像着色系统通过预测色度 ($ab$) 在 $Lab$ 空间中运行，同时保留输入导出的亮度通道 ($L$)。虽然在标准基准上有效，但这种固定亮度设计限制了亮度变化，并且当灰度形成偏离自然图像亮度时（如历史上的正色摄影），它变得不可靠。我们提出了一种与亮度无关的着色框架，该框架使用基础图像编辑模型将着色制定为全 RGB 图像编辑。为了弥合现代全色和历史正色条件，我们引入了混合灰度目标，该目标在标准亮度灰度和红色不敏感灰度形成下训练模型。 COCO、ImageNet 和多实例基准测试表明，我们的方法在标准灰度输入上具有竞争力，并且在正色输入下更加稳健，定性比较和人类研究表明可见颜色伪影更少。