近日，人工智能领域国际学术期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（IEEE TPAMI）刊登了深圳北理莫斯科大学工程系教师王志华为第一作者的论文，论文题目为“Measuring Perceptual Color Differences of Smartphone Photographs”（智能手机摄影色差度量）。论文合作作者为香港城市大学马柯德教授（Kede Ma）、江西财经大学方玉明教授以及OPPO研究人员。

IEEE TPAMI是人工智能领域内的顶尖学术期刊之一，以其24.314的影响因子在全球范围内享有盛誉。该期刊在人工智能、计算机视觉、模式识别等多个领域占据着领先地位，全球每年仅有约200篇论文获得录用，展现了该刊极高的选稿标准和学术水平。IEEE TPAMI被中国计算机学会（CCF）列为A类推荐期刊，也是大学计算机科学与技术学科推荐的代表性成果目录中的顶尖期刊之一，在学术界具有重要地位和影响力。

此篇论文重点关注在机器学习助力摄影图像的深度色差度量。据悉，构建摄影图像色差度量是成像、视觉科学和色彩科学领域中的一个重要的研究主题，尽管这一领域有着悠久的历史，但大多数颜色差异测量方法仍受限于均匀色块的心理物理数据或数量有限的简单自然摄影图像。因此，在以内容复杂性增加和基于学习的图像信号处理器为特征的智能手机摄影时代，现有的颜色差异测量方法是否具有普遍适用性存在疑问。

在该篇文章中，王志华构建了迄今为止最大的用于感知颜色差异评估的图像数据集，其中包括：由六款旗舰智能手机拍摄的照片、经过Photoshop修改的照片、通过智能手机内置滤镜后处理的照片以及使用不正确的颜色配置文件再现的照片。研究团队在一个精心控制的实验室环境中进行了大规模的心理物理实验，收集了30000对图像配对的感知颜色差异数据，基于新建立的数据集，首次尝试构建一个基于轻量级神经网络的端到端学习型颜色差异公式，作为之前几种度量方法的泛化。经过广泛的实验表明，优化后的公式在很大程度上超越了33种现有的颜色差异度量方法，能够在没有密集监督的情况下提供合理的局部颜色差异图，很好地泛化到均匀色块数据上，并且在数学意义上表现为一个适当的度量标准。数据集和代码在 https://github.com/hellooks/CDNet 上公开可用。