DAM-GAN：基于伪纹理检测的动态注意力图图像修复
计算机视觉与模式识别
2022-04-21 v1 图像与视频处理
摘要
深度神经网络的进展近期为图像修复领域带来了卓越的图像合成性能。尤其是生成对抗网络（GAN）的采用加速了高质量图像重建的重大进展。然而，尽管已提出许多基于 GAN 的显著网络用于图像修复，在生成过程中合成图像仍会出现像素伪影或颜色不一致，通常称为伪纹理。为减少由伪纹理导致的像素不一致紊乱，我们引入了一种使用动态注意力图（DAM-GAN）的基于 GAN 的模型。我们提出的 DAM-GAN 专注于检测伪纹理并生成动态注意力图，以减弱生成器中特征图的像素不一致。在 CelebA-HQ 与 Places2 数据集上与其他图像修复方法的评估结果表明了我们网络的优越性。
关键词
引用
@article{arxiv.2204.09442,
title = {DAM-GAN : Image Inpainting using Dynamic Attention Map based on Fake Texture Detection},
author = {Dongmin Cha and Daijin Kim},
journal= {arXiv preprint arXiv:2204.09442},
year = {2022}
}