清華大學聯合騰訊出品！ColorFlow：自動給黑白漫畫上色，保持角色一致性

隨着數字藝術的發展，自動化的圖像處理技術日益受到關注。近日，來自清華大學與騰訊 ARC 實驗室的研究團隊提出了一種名爲 ColorFlow 的新型圖像序列上色模型。這一模型旨在解決在黑白圖像序列上色的同時，保持角色和物體身份一致性的問題，滿足漫畫和動畫等行業的實際需求。

ColorFlow 是一個三階段的擴散基礎框架，它充分利用上下文信息，通過參考圖像池爲黑白圖像序列準確生成顏色。例如，該模型能夠有效地爲角色的髮色和服裝上色，確保與參考圖像的色彩一致性。與以往需要針對每個角色進行微調的技術不同，ColorFlow 通過一種創新的、具備強大泛化能力的檢索增強上色管道，簡化了色彩生成的過程。

該模型的設計中包含兩個主要分支:一個分支用於提取色彩身份，另一個分支則負責實際的上色過程。這種雙分支設計充分利用了擴散模型的優勢，能夠通過自注意力機制實現強大的上下文學習和色彩身份匹配。爲了驗證 ColorFlow 的有效性，研究團隊還推出了 ColorFlow-Bench，這是一項專門針對基於參考圖像的上色任務的綜合基準測試。

在對比實驗中，ColorFlow 在多項指標上超越了現有的先進模型，展現了更高的美學質量，其生成的顏色更貼近原始圖像。研究團隊展示了 ColorFlow 在不同藝術場景中的應用效果，包括黑白漫畫、線條藝術、真實世界照片及卡通故事板等，均取得了令人滿意的成果。

ColorFlow 的推出不僅爲圖像序列的自動上色技術樹立了新的標杆，也爲藝術產業的進一步發展提供了有力支持。研究團隊希望這一技術能夠在實際應用中實現更廣泛的推廣，推動數字藝術創作的創新與進步。

項目入口:https://zhuang2002.github.io/ColorFlow/

劃重點:

🌟 ColorFlow 是一個創新的黑白圖像序列上色模型，能夠保持角色身份一致性。

🎨 該模型採用雙分支設計，分別用於色彩身份提取和實際上色，提升了上色的效果和效率。

🏆 ColorFlow 在多項指標上超越了現有的先進模型，展現出更高的美學質量和實用性。