DeepCFL：从单幅图像学习深度上下文特征
计算机视觉与模式识别
2020-11-10 v1
摘要
近来，开发独立于训练数据的图像特征学习方法（如 deep image prior、InGAN、SinGAN 和 DCIL）引起广泛关注。这些方法无监督，用于图像复原、图像编辑与图像合成等底层视觉任务。本文提出一种名为深度上下文特征学习（DeepCFL）的、独立于训练数据的新框架，基于输入图像的语义执行图像合成与图像复原。上下文特征即为表征给定图像语义的高维向量。DeepCFL 是一种单图像 GAN 框架，从输入图像学习上下文向量的分布。我们在多种挑战性场景中展示上下文学习的性能：外补、内补及随机缺失像素复原。DeepCFL 适用于输入源图像与生成目标图像未对齐的情况。我们借助 DeepCFL 完成图像缩放任务以示例说明图像合成。
引用
@article{arxiv.2011.03712,
title = {DeepCFL: Deep Contextual Features Learning from a Single Image},
author = {Indra Deep Mastan and Shanmuganathan Raman},
journal= {arXiv preprint arXiv:2011.03712},
year = {2020}
}
备注
IEEE Winter Conference on Applications of Computer Vision (WACV 2021), Waikoloa, US, Jan. 5-9, 2021