Photorealismenhancement：提高合成图像的现实主义

我们提出了一种提高合成图像现实主义的方法。通过卷积网络增强图像，该网络利用传统渲染管道产生的中间表示。网络通过新的对抗目标培训，这为多种感知水平提供了强烈的监督。我们分析常用数据集中的场景布局分布，并发现它们以重要方式不同。我们假设这是在许多先前方法的结果中可以观察到的强伪像的原因之一。要解决此问题，我们提出了一种在培训期间采样图像补丁的新策略。我们还引入了用于光致敏感性增强的深网络模块中的多种架构改进。我们确认我们在受控实验中的贡献的好处，并与最近的图像到图像翻译方法和各种其他基线相比，报告了稳定性和现实主义的大量收益。

@Article {richter_2021，标题= {增强了光电静脉化增强}，作者= {Stephan R. Richter和Hassan Abu Anaha And Vladlen Koltun}，年= {2020}，}

它增加了窗户的反射，并增加了菲涅耳效应（例如，在汽车的屋顶上）：

来自此数据集的图像在全球范围内录制各种相机。图像更加充满活力和高分辨率。