在计算机视觉领域，提升图像的视觉吸引力始终是一项持续挑战。许多深度学习方法依赖配对数据集训练模型，以复制专家的编辑风格。然而，这些方法面临两个主要问题：1) 可解释性，2) 适合用户调整的参数化。
为了解决这些挑战，我们提出了 NamedCurves+，这一方法受到了色彩命名概念的启发，这是一套广泛使用于软件工具中的熟悉色彩，以便于直观编辑。我们的算法将颜色名称整合进一个学习框架中，使得用户可以通过色调曲线进行全局调整。
为了处理局部图像变化，我们引入了一个变换块，以捕捉空间依赖关系，从而实现图像的上下文感知编辑。NamedCurves+ 提高了修饰过程的可解释性，并支持用户交互，允许灵活修改个别色调曲线，以根据个人偏好细化修饰图像。
我们在图像修饰、色调映射和曝光修正等任务上进行了大量实验，结果表明 NamedCurves+ 超越了现有的最先进方法。值得注意的是，我们的方法不仅是可解释的，因为色调曲线明确表示每个颜色名称如何贡献于增强效果，还具有交互性，允许用户自定义修饰过程，以获得符合个人喜好的结果。
博主点评： NamedCurves+ 通过结合颜色命名和深度学习，为用户提供了更具直观性和可操作性的图像增强工具。这种方法不仅提升了图像质量，还增强了用户与工具之间的交互体验，标志着图像编辑领域的一次重要进步。