基于CNN的欧拉弹性曲线修复：深度能量与深度图像先验
计算机视觉与模式识别
2023-03-15 v2 机器学习
图像与视频处理
摘要
欧拉弹性曲线构成了一种引人注目的变分图像修复模型。它最小化一个包含全变分以及水平线曲率的能量。这些组分是透明的，使其对形状补全任务具有吸引力。然而，其梯度流是一个奇异、各向异性、四阶非线性偏微分方程，在数值上具挑战性：难以找到能提供锐利边缘和良好旋转不变性的高效算法。作为补救，我们设计了首个模拟欧拉弹性曲线修复的神经网络算法。我们使用深度能量概念，将变分能量作为神经网络损失。此外，我们将其与深度图像先验配对，其中网络架构本身充当先验。这通过将优化轨迹引导至更接近期望解而产生更好的修复结果。我们的结果在基于弹性曲线的形状补全上定性地与最先进算法相当。它们结合了良好的旋转不变性与锐利边缘。此外，我们受益于神经框架内的高效性与轻松并行化。我们的神经弹性曲线方法仅需3x3中心差分模板，因此比其他性能良好的弹性曲线修复算法简单得多。最后但并非最不重要，它是无监督的，因为不需要真值训练数据。
引用
@article{arxiv.2207.07921,
title = {CNN-based Euler's Elastica Inpainting with Deep Energy and Deep Image Prior},
author = {Karl Schrader and Tobias Alt and Joachim Weickert and Michael Ertel},
journal= {arXiv preprint arXiv:2207.07921},
year = {2023}
}
备注
In Proceedings of the 10th European Workshop on Visual Information Processing, Lisbon, 2022