用于单图像遮挡移除的深度生成对抗网络
计算机视觉与模式识别
2024-09-23 v1
摘要
如今，低成本成像设备的提升能力导致在互联网上获取和分享多媒体内容的激增。尽管图像传感器技术取得了进展，诸如遮挡等令人恼人的条件仍会损害摄影，并可能损害监视、检测和识别等应用的性能。遮挡分割困难主要因为尺度变化、光照变化等。同样，从前景遮挡中恢复场景也面临着显著挑战，主要因为需要准确估计被遮挡区域并保持与周围环境的连贯性。特别是，图像修补自身就有一系列挑战，包括形状、纹理、颜色、图案的多样变化以及常常杂乱的环境。本研究聚焦于从单张图像中自动检测并移除遮挡。我们提出一种全自动的两阶段卷积神经网络，用于栅栏分割和遮挡完成。我们利用生成对抗网络 (GAN) 来合成包括结构和纹理在内的逼真内容。为评估零样本泛化，我们在我们提出的类似栅栏遮挡分割数据集上评估了训练好的遮挡检测模型。该数据集可在 GitHub 上找到。
引用
@article{arxiv.2409.13242,
title = {Deep Generative Adversarial Network for Occlusion Removal from a Single Image},
author = {Sankaraganesh Jonna and Moushumi Medhi and Rajiv Ranjan Sahay},
journal= {arXiv preprint arXiv:2409.13242},
year = {2024}
}