Image Colorization

Abstract

Obarvování je dobře známým problémem převodu obrazu na obraz, nicméně většina existujících algoritmů se zaměřuje pouze na jeden typ obrazu - buď na fotogra fi e, nebo na ručně kreslené obrázky. Ručně kreslené obrázky, jako jsou sketche nebo komiksy, mají ve srovnání s fotogra fi emi odlišný vizuální styl a jedinečné vlastnosti, což stávajícím algoritmům ztěžuje efektivní práci s oběma typy obrázků. Tato práce analyzuje povahu kreslených obrázků. Naším hlavním cílem je porovnat stávající metody obarvování a navrhnout nové modely určené pro zpracování jak fotogra fi ckých, tak kreslených obrázků. Tyto modely hodnotíme na základě kvality jejich obarvování. Tato práce navíc představuje Streamlit aplikaci, která umožňuje uživatelům interaktivně prozkoumat navržené metody obarvování. Tato aplikace je navržena tak, aby efektivně obarvovala obrázky bez nutnosti zadávat typ obrázku a bez problémů se přizpůsobila jak fotogra fi ckým, tak kresleným obrázkům.

Colorization is a well-known image-to-image translation problem, however, most of the existing algorithms focus on only one type of image - either photographs or hand-drawn images. Hand-drawn images, such as sketches or comics, have a distinct visual style and unique features compared to photographs, making it di ffi cult for existing algorithms to work e ffi ciently on both. This thesis analyzes the nature of sketch images. Our main goal is to compare existing colorization methods and propose new models designed to handle both photographic and sketch images. We evaluate these models based on the quality of their colorization. Moreover, this work introduces a Streamlit application that allows users to interactively explore the proposed colorization methods. This application is designed to e ff ectively colorize images without the need to specify the image type, accommodating both photo and sketch images seamlessly.