结果展示

1. 介绍

照片在许多类型的平面设计中都发挥着重要作用，例如海报、广告、明信片和幻灯片。

它们不仅是装饰品，也是吸引观众的钩子。专业设计师在将照片添加到设计中时，往往需要根据一些目标色来特意编辑照片的颜色。目标颜色可以是设计的背景主题色，也可以是通过设计营销的独特品牌颜色。例如，男人的衣服（上图的第一行）故意涂成红色，以匹配可口可乐徽标中的红色。

飞机、墙壁、信封和衣服（上图的第二行）都涂成橙色，与 DHL 标志中的橙色相匹配。这种颜色调整有助于让设计更让观众难忘或建立一致的品牌标识。

（1）局部性：平面设计师往往倾向于将编辑限制在一些局部区域，以尽可能保留图像的语义和氛围；

（2）自然性：图形设计师需要谨慎决定修改哪个区域，以便结果在语义上有效且视觉上自然。

此外，不是简单地将目标颜色复制到选定的局部区域，而是需要仔细调整区域的颜色以使重新着色的图像整体上自然。

（1）基于调色板的方法

基于图像中颜色与调色板中颜色之间的低级关系来确定要更改哪些像素，因此很难将更改限制在局部语义有意义的区域。

（2）基于笔画的方法

可以将颜色更改限制在局部区域，但依赖于用户通过在其上涂抹涂鸦来指示要修改的局部区域，这有时可能需要密集的笔触才能获得良好的结果。

第一阶段，我们训练一个网络，通过联合利用自然先验知识和设计知识来选择可修改的区域进行重新着色。

我们直接学习专业设计师如何从一组图形设计中选择重新着色的区域的知识。为此，我们收集了一个新的标记图形设计数据集，其中可以直观地识别目标颜色及其在设计上的相应区域。

第二阶段，我们学习一个重新着色网络来调整所选区域的颜色，同时仍然保留整个图像的视觉自然性。

为了在区域边界附近产生没有伪影的更生动和自然的重新着色图像，我们引入了一种基于生成对抗网络（GAN）的新深度学习重新着色模型和软边界传播方法。

（1）我们提出了一种基于深度学习的方法来解决平面设计中的照片颜色调整问题，该方法可以根据给定的目标颜色选择性地调整彩色照片中的局部区域；

（2）我们提出了一种模型，通过利用从数据中端到端学习的自然先验知识和设计知识，而不使用任何启发式方法，基于目标颜色来定位可修改的图像区域；

（3）我们收集了一个新的图形设计数据集，包含大约 2,000 张用于实际图形设计的图像，每个图像都用人类识别的目标颜色和相应的修改区域进行了注释。