PulseAugur
中
实时 08:02:08
English(EN) Learning Color Grading, No Photo Sharing: Federated Aesthetic Preference Learning for Personalized Image Enhancement

联邦学习可在不共享私人照片的情况下实现个性化图像增强

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了FedPAIE，这是一个用于个性化图像增强的联邦学习框架，它可以在不集中处理私人照片或评分的情况下学习用户的审美偏好。该系统使用未配对的本地照片来训练一个轻量级的审美评分器并调整色彩转换增强器。这种方法允许在设备上进行用户自适应色彩分级，同时保持隐私和效率，这已通过在MIT-Adobe FiveK和Flickr-AES数据集上的实验得到证明。 AI

影响 使个性化的AI驱动的图像编辑能够在用户设备上进行，而不会损害隐私。

排序理由 这是一篇详细介绍图像增强新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

联邦学习可在不共享私人照片的情况下实现个性化图像增强

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Chuanzhi Xu, Ziyuan Tao, Jean Julien KNell, Yanrong Chen, Haolan Guo, Xuanhua Yin, Adnan Mahmood, Weidong Cai ·

    学习色彩分级，无需照片共享：用于个性化图像增强的联邦审美偏好学习

    arXiv:2607.27659v1 Announce Type: new Abstract: Personalized image enhancement should reflect individual aesthetic taste, yet learning such preferences commonly depends on private photos and ratings that are unsuitable for centralized collection. The task must infer preference fr…

相关话题