论文学习-Image Inpainting for Irregular Holes Using Partial Convolutions

最新推荐文章于 2023-11-15 18:06:46 发布

karl_ll

最新推荐文章于 2023-11-15 18:06:46 发布

阅读量487

点赞数 2

分类专栏： CV

本文链接：https://blog.youkuaiyun.com/lzj50002801/article/details/109760768

版权

论文《Image Inpainting for Irregular Holes Using Partial Convolutions》提出了一种部分卷积网络，解决了基于深度学习的图像修复方法中存在的伪影问题。该方法能自动生成和更新mask，无需昂贵的后处理，适用于修复图像中的不规则孔洞。论文还引入了新的数据集，并在ImageNet、Places2和CelebA-HQ数据集上进行了测试，实现了最先进的性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

论文题目： Image Inpainting for Irregular Holes Using Partial Convolutions
论文作者：Guilin Liu Fitsum A. Reda （ NVIDIA Corporation）
发表时间和期刊：2018

Abstract 摘要

1、现状：基于深度学习的修复损坏图像方法都是使用基于有效像素（平均值）替代masked hole的标准卷积网络或者卷积滤波器。
2、存在问题：现有方法会导致伪影，例如颜色差异或者模糊；通常使用后处理来解决，但是代价很高。
3、提出方法：部分卷积网络，卷积网络基于有效像素进行掩盖或者重整化。上一次自动为下一层自动生成和更新mask。

Introduction 介绍

1、图像修复可以用于图像编辑，去掉不想要的部分，并使用看似合理的图像填充。之前的深度学习方法聚焦在修复位于图像中心的矩形区域，同时依赖昂贵的后处理。作者提出了一种修复图像上不规则孔洞的模型，产生有语义上有意义的预测，可以和图像其他部分平稳的结合在一起，而不需要后处理。
2、后处理方法包括 [10,32,23,38]
3、关注矩形中心的方法包括 [22,36,10,38,8]
本文贡献：
1、提出了部分卷积和自动掩码更新。
2、达到了sota，并且证明了图像修复模型对不规则孔洞的有效性。
3、提出了新的数据集。