实体
MIT-Adobe FiveK
MIT-Adobe FiveK
PulseAugur coverage of MIT-Adobe FiveK — every cluster mentioning MIT-Adobe FiveK across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
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
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。
-
联邦学习可在不共享私有数据的情况下实现个性化图像增强
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，可以在不集中化私人照片或评分的情况下学习用户的审美偏好。该系统使用轻量级的双提示审美评分器，在本地对其进行校准，然后指导非配对本地照片上的色彩分级增强器的适应。这种方法在保持用户隐私的同时，实现了自然外观的色彩转换，这在 MIT-Adobe FiveK 和 Flickr-AES 数据集上的实验得到了证明。
-
新AI方法提升低光图像增强效果，侧重效率和移动端部署
研究人员开发了一个统一的图像增强框架，将近期方法归类为三种连续时间过程：无条件扩散模型、Ornstein-Uhlenbeck过程和扩散桥。这种统一表明，这些方法之间的差异源于它们的漂移项和扩散项、终端分布以及边界条件，而非调度器或采样器。一项跨越各种图像增强任务的实证研究表明，没有一种方法能持续占优，这凸显了特定设计选择的影响。此外，一项专注于移动设备高效低光图像增强的挑战赛吸引了大量参与，旨在平衡增强质量与计算效率，以实现实际部署。