用于图像修复的带残差修饰的深度堆叠网络
计算机视觉与模式识别
2018-01-03 v1
摘要
深度神经网络在图像修复中已展现出有前景的结果,即使缺失区域相对较大。然而,大多数现有修复网络会给修复区域引入不期望的伪影与噪声。为解决此问题,我们提出一种新颖框架,其由两个堆叠的卷积神经网络组成,分别用于修复图像与去除伪影。第一个网络考虑受损图像的全局结构并粗略填充空白区域。随后第二个网络修改修复后的图像以消除第一个网络引入的噪声。所提框架将问题拆分为两个可分别优化的不同部分,因此可通过更换第一个网络应用于任何修复算法。我们框架中旨在修饰修复图像的第二阶段可被视为去噪问题,其中可采用多种算法。我们的结果表明所提框架在视觉与定量评估上均取得显著改进。
引用
@article{arxiv.1801.00289,
title = {Deep Stacked Networks with Residual Polishing for Image Inpainting},
author = {Ugur Demir and Gozde Unal},
journal= {arXiv preprint arXiv:1801.00289},
year = {2018}
}