用于修复与空间优化联合学习的 Wasserstein GAN
图像与视频处理
2022-12-05 v2 计算机视觉与模式识别
机器学习
摘要
图像修复是一种重建缺失图像部分的复原方法。然而，精心选取的已知像素掩模若能产生高质量修复结果，也可充当稀疏图像表示。这一具有挑战性的空间优化问题对于压缩等实际应用至关重要。迄今为止，它几乎完全由基于模型的方法处理。使用神经网络的初步尝试看似前景良好，但针对特定修复算子定制或需要后处理。为解决此问题，我们提出了首个用于空间修复数据优化的生成对抗网络（GAN）。与以往方法不同，它允许对修复生成器与相应的掩模优化网络进行联合训练。利用 Wasserstein 距离，我们确保修复结果准确反映自然图像的统计特性。相较于传统随机模型，这在视觉质量与速度上取得显著改进，并且优于当前的空间优化网络。
引用
@article{arxiv.2202.05623,
title = {A Wasserstein GAN for Joint Learning of Inpainting and Spatial Optimisation},
author = {Pascal Peter},
journal= {arXiv preprint arXiv:2202.05623},
year = {2022}
}