DeepLPF：画像強調のための深層局所パラメトリックフィルタ

デジタルアーティストは、手動による修正によってデジタル写真の美的品質を向上させることがよくある。グローバルな調整に加えて、プロフェッショナルな画像編集ソフトウェアは、画像の特定領域に対して作用するローカル調整ツールを提供している。これにはパラメトリックな（グラデーションフィルターやラジアルフィルター）ツールと、制約のないブラシツールが含まれる。これらの表現力豊かなツールにより、多様なローカルな画像強調が可能となる。しかし、これらのツールの使用は時間のかかる作業であり、芸術的な能力も要求される。現在の最先端の自動画像強調手法は、通常、ピクセルレベルまたはグローバルな強調の学習に焦点を当てている。前者はノイズが多く、解釈性に欠ける傾向があり、後者は細かい調整を捉えきれないことがある。本論文では、楕円フィルター、グラデーションフィルター、多項式フィルターの3種類の空間的に局所的なフィルターを学習して用いる、新たな自動画像強調アプローチを提案する。本研究では、これらの空間的に局所化されたフィルターのパラメータを回帰する深層ニューラルネットワーク「Deep Local Parametric Filters（DeepLPF）」を導入し、そのパラメータに基づいて画像を自動的に強調処理する。DeepLPFは自然なモデル正則化を提供し、解釈性が高く直感的な調整を可能にすることで、視覚的に魅力的な結果をもたらす。複数のベンチマークでの評価結果から、MIT-Adobe-5Kデータセットの2種類のバリエーションにおいて、従来手法に比べて極めて高い性能を達成していることが示され、かつ競合手法に比べて必要なパラメータ数のわずか一部で実現可能であることが明らかになった。