可控语义图像修复
机器学习
2018-06-18 v1 机器学习
摘要
我们提出一种用户可控的语义图像修复方法：给定任意一组观测像素，未观测像素可在用户可控的多种可能性范围内进行填补，每种可能性在语义上连贯且与观测像素局部一致。我们通过一个深度生成模型实现此目标，该模型整合了：可对任意观测像素集编码的编码器、经训练表示解耦变异因子的潜变量，以及双向 PixelCNN 模型。实验表明，我们的方法能生成符合用户指定语义且与观测像素一致的合理修复结果。我们通过更多实验论证了架构与训练机制的选择依据。
引用
@article{arxiv.1806.05953,
title = {Controllable Semantic Image Inpainting},
author = {Jin Xu and Yee Whye Teh},
journal= {arXiv preprint arXiv:1806.05953},
year = {2018}
}