基于深度结构化能量模型的图像修复
计算机视觉与模式识别
2018-08-31 v2
摘要
本文提出一种采用能量模型的结构化图像修复方法。为了学习图像中观测到的模式与图像缺失区域之间的结构关系，我们采用基于能量的结构化预测方法。该结构关系通过最小化由一个简单卷积神经网络定义的能量函数来学习。在多个基准数据集上的实验结果表明，我们提出的方法显著优于使用生成对抗网络（GANs）的最先进方法。在 Olivetti 人脸数据集上，我们取得了 497.35 的均方误差（MSE），而最先进方法为 833.0 MSE。此外，我们在 SVHN 数据集上取得了 28.4 dB 峰值信噪比（PSNR），在 CelebA 数据集上取得了 23.53 dB，而最先进方法分别为 22.3 dB 和 21.3 dB。代码已公开可用。
引用
@article{arxiv.1801.07939,
title = {Deep Structured Energy-Based Image Inpainting},
author = {Fazil Altinel and Mete Ozay and Takayuki Okatani},
journal= {arXiv preprint arXiv:1801.07939},
year = {2018}
}
备注
Accepted to 24th International Conference on Pattern Recognition (ICPR 2018). 6 pages, 7 figures