通过重修复自一致性评估进行图像修复评估
计算机视觉与模式识别
2024-05-28 v1 人工智能
摘要
图像修复，即利用可用数据重建损坏图像中缺失部分的任务，在确保一致性和保真度方面面临挑战，尤其是在信息稀缺的条件下。传统的评估方法严重依赖于未掩码参考图像的存在，这固有地偏向某些修复结果，引入了偏差。为了解决这个问题，我们引入了一种创新的评估范式，该范式利用基于多次重修复过程的自监督度量。这种方法不同于传统上依赖与原始图像在像素或特征空间中的直接比较，而是强调自一致性原则，以探索各种可行的修复方案，有效减少偏差。我们在多个基准上的大量实验验证了我们的评估方法与人类判断的一致性。
引用
@article{arxiv.2405.16263,
title = {Assessing Image Inpainting via Re-Inpainting Self-Consistency Evaluation},
author = {Tianyi Chen and Jianfu Zhang and Yan Hong and Yiyi Zhang and Liqing Zhang},
journal= {arXiv preprint arXiv:2405.16263},
year = {2024}
}