ColorFlow是清华大学和腾讯ARC实验室共同推出的图像序列着色模型,能精细化地保持图像序列中个体身份的同时进行着色。基于检索增强、上下文学习和超分辨率技术,ColorFlow确保黑白图像序列着色与参考图像颜色一致性,适用于漫画、动画制作等工业应用。ColorFlow在图像序列着色领域基于提升CLIP-IS、降低FID、增加PSNR和SSIM得分及提高AS,展现超越现有技术的卓越性能,为艺术行业提供新的着色标准。
ColorFlow的主要功能检索增强管道(Retrieval-Augmented Pipeline, RAP):从参考图像池中提取与输入黑白图像最相关的彩色图像块,指导着色过程。上下文着色管道(In-context Colorization Pipeline, ICP):基于强大的上下文学习来准确检索颜色身份,采用双分支设计进行着色。引导超分辨率管道(Guided Super-Resolution Pipeline, GSRP):上采样低分辨率的着色输出,产生高分辨率的彩色图像,增强细节恢复并提高输出质量。ColorFlow的技术原理检索增强(Retrieval-Augmented):基于预训练的CLIP图像编码器生成输入图像和参考图像的嵌入,计算余弦相似度识别最相似的参考图像块,用在后续的着色训练。上下文着色(In-context Colorization):引入辅助分支“Colorization Guider”整合条件信息,基于U-Net扩散模型逐步整合特征,实现像素级的条件嵌入。用轻量级LoRA(Low-Rank Adaptation)方法对预训练的扩散模型进行微调,保留其着色能力。超分辨率增强(Super-Resolution):处理着色过程中的下采样问题,减少结构失真。将高分辨率黑白图像与低分辨率彩色输出结合,增强细节恢复,提升输出质量。自我注意力机制(Self-Attention):在扩散模型中用自我注意力机制,将参考图像和灰度图像放在同一个画布上,提取特征,逐层输入到扩散模型中进行着色。时间步采样策略(Timestep Shifted Sampling):调整采样策略,强调在更高时间步长上的采样,增强着色过程的效果。屏幕风格增强(Screenstyle Augmentation):对灰度图像和ScreenVAE输出进行随机线性插值,增强输入图像的风格适应性,提升着色性能。ColorFlow的项目地址项目官网:zhuang2002.github.io/ColorFlowGitHub仓库:https://github.com/TencentARC/ColorFlowHuggingFace模型库:https://huggingface.co/TencentARC/ColorFlowarXiv技术论文:https://arxiv.org/pdf/2412.11815在线体验Demo:https://huggingface.co/spaces/TencentARC/ColorFlowColorFlow的应用场景漫画和卡通着色:将黑白漫画或卡通图像转换为彩色版本,适合漫画家和动画制作者在创作过程中快速给线稿上色。老照片修复:为历史上的黑白照片提供颜色,帮助恢复旧时代的照片原貌,增加历史图片的观赏价值。电影和视频后期制作:用在黑白电影的彩色化,或为现代电影制作提供特定的颜色分级效果。艺术创作:艺术家为黑白艺术作品添加颜色,或在创作过程中探索不同的颜色方案。教育和学习:在教育领域,作为工具帮助学生理解颜色对图像的影响,及学习图像处理和计算机视觉的基本概念。
上一篇