ColorAdaptNet：一种用于个性化色觉缺陷补偿的新型生成模型

《IEEE Transactions on Visualization and Computer Graphics》：ColorAdaptNet: A Novel Generative Model for Personalized Color Vision Deficiency Compensation

　　

摘要：

色觉缺陷（CVD）患者由于感知对比度降低，在准确区分颜色时面临困难。为了解决这个问题，人们提出了多种图像重着色方法。这些方法要么使用CVD模拟模型来进行重着色，要么在基于此类模拟模型生成的图像上训练深度学习模型。然而，这些模拟模型是基于假设的色觉缺陷严重程度构建的。实际上，目前还没有可靠的方法来测量实际的色觉缺陷程度，而人类的色觉感知非常复杂且具有主观性。因此，现有的方法可能无法完全捕捉到个体的感知特征或用户的特定偏好。为了解决这一问题，我们采用了基于每位用户主观评估的端到端学习方法。这种方法的主要挑战是需要大量的训练数据。为了克服这一限制，我们提出了一种新的模型和训练策略，以及一个专门设计用于捕捉个体色觉特征的数据集。这使我们能够仅使用非常少量的训练数据就为每位用户训练出个性化的模型。此外，我们还将发布源代码和一个包含20名绿色觉缺陷（protan）和蓝色觉缺陷（deutan）患者数据的分割数据集，以支持研究的可重复性和未来关于个性化颜色补偿的研究。