논문 링크

Abstract

• A grayscale 사진을 입력으로 주었을 때, 그럴듯한 color 사진의 환각 생성하는 문제를 다룸.
• 이 문제는 명백히 underconstrained함.
  : 전의 접근은 사용자 interaction에 의존하거나 색이 빠진(desaturated) colorizations으로 접근함.
• 결과에 colors의 다양성을 증가하기 위해 학습 시간에서 class-rebalancing의 사용과 a classification task로 근본적인 불확실성을 포옹함.
• test time에 CNN에서 순전파가 수행되고 color images 100만장을 학습 시킴.
• 이전 방법보다 32%의 사람을 속이는데 성공했음.
• 더욱이, the colorization은 cross-channel encoder의 행동으로 자기 지도 학습(self-supervised feature learning)의 강력한 사전 학습(pretext task)을 할 수 있음.
• 이 접근 방법은 SOTA의 성능을 가짐.