摘要
图像合成在图像编辑中扮演着常见而重要的角色。为了生成具有照片真实感的合成图像，必须调整前景图像的外观与视觉风格，使其与背景保持一致。现有的深度学习图像和谐化方法通常直接从合成图像学习映射到真实图像的网络，但并未显式地探索前景与背景之间在视觉风格上的一致性。为确保前景与背景之间的视觉风格一致性，本文将图像和谐化问题视为风格迁移问题。具体而言，我们提出了一种简单而有效的区域感知自适应实例归一化（Region-aware Adaptive Instance Normalization, RAIN）模块，该模块显式地从背景图像中提取视觉风格，并自适应地将其应用于前景图像。在本方法设置下，RAIN模块可作为即插即用模块，无缝集成到现有的图像和谐化网络中，并显著提升其性能。在现有图像和谐化基准数据集上的大量实验表明，所提出方法具有优越的性能。代码已公开，地址为：{https://github.com/junleen/RainNet}。