EdgeConnect：基于对抗边缘学习的生成式图像修复
计算机视觉与模式识别
2019-01-14 v3
摘要
在过去几年中，深度学习技术在图像修复方面取得了显著改进。然而，许多技术无法重建合理的结构，因为它们通常过度平滑和/或模糊。本文提出了一种用于图像修复的新方法，能更好地复现具有精细细节的填充区域。我们提出了一种两阶段对抗模型 EdgeConnect，其由一个边缘生成器和一个图像补全网络组成。边缘生成器对图像缺失区域（规则与不规则）的边缘进行幻觉生成，图像补全网络利用幻觉边缘作为先验来填充缺失区域。我们在公开数据集 CelebA、Places2 和 Paris StreetView 上对我们的模型进行端到端评估，结果表明它在定量和定性上均优于当前最先进的技术。代码与模型见：https://github.com/knazeri/edge-connect
引用
@article{arxiv.1901.00212,
title = {EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning},
author = {Kamyar Nazeri and Eric Ng and Tony Joseph and Faisal Z. Qureshi and Mehran Ebrahimi},
journal= {arXiv preprint arXiv:1901.00212},
year = {2019}
}
备注
Code and data: https://github.com/knazeri/edge-connect