机构名称：
¥ 1.0
摘要 - 这项研究旨在使用深度学习来恢复在各种现实的照明条件下捕获的人类图像的弥漫性反照率。这里的一个关键挑战是全身人类图像中发现的各种纹理。虽然某些方面（例如肤色）的颜色范围有限，但衣服和配件显示出广泛的颜色和纹理。因此，创建具有准确标签的综合数据集是不可行的。为了解决这个问题，我们提出了一种数据增强方法，该方法涉及将颜色转移到我们训练图像中的各个语义区域，同时保持实际的外观。此过程是通过将地面真相反照率分段到各自的组件（例如裤子，衬衫，头发等）来完成的。使用预训练的人类解析网络。然后，我们使用从精心定义的分布中随机选择的值调整其色调和强度通道。我们的结果表明，反照率恢复，尤其是在服装区域的显着改善，并且具有代表性不足的肤色表现更好。索引术语 - 人类，脱光灯，反照率，数据增强，深度学习
使用特定区域数据增强
主要关键词
相关文件推荐
