CocoNet：一种将像素坐标映射到颜色值的深度神经网络
计算机视觉与模式识别
2018-11-26 v3
摘要
本文中，我们提出一种深度神经网络方法，用于将图像中的二维像素坐标映射到对应的红-绿-蓝（RGB）颜色值。该神经网络称为 CocoNet，即坐标到颜色网络。在训练过程中，神经网络学习在其各层中编码输入图像。更具体地，网络学习一个连续函数，该函数逼近在离散二维像素位置上采样的离散 RGB 值。在测试时，给定二维像素坐标，神经网络将输出对应像素的近似 RGB 值。通过考虑每一个二维像素位置，网络实际上可以重建整个学习到的图像。需注意，我们须为每个输入图像训练一个独立的神经网络，即一个网络仅编码单幅图像。据我们所知，我们是首个提出通过从二维像素坐标空间到 RGB 颜色空间的学习映射来逐图编码图像的神经方法。我们的神经图像编码方法具有多种低级图像处理应用，从图像编码、图像压缩和图像去噪到图像重采样与图像补全。我们进行了包含定量与定性结果的实验，展示了我们方法的效用及其相对于标准基线（例如双边滤波或双三次插值）的优越性。我们的代码可在 https://github.com/paubric/python-fuse-coconet 获取。
引用
@article{arxiv.1805.11357,
title = {CocoNet: A deep neural network for mapping pixel coordinates to color values},
author = {Paul Andrei Bricman and Radu Tudor Ionescu},
journal= {arXiv preprint arXiv:1805.11357},
year = {2018}
}
备注
Accepted at the International Conference on Neural Information Processing 2018