空城：面向动态物体不变空间的影像修复

在本文中，我们提出一个端到端深度学习框架，将展示车辆或行人等动态内容的图像转换为逼真的静态帧。该目标面临两个主要挑战：检测所有动态物体，以及用合理的图像修复被遮挡的静态背景。第二个问题通过条件生成对抗模型来解决，该模型以原始动态图像及其动态/静态二值掩码作为输入，能够生成最终的静态图像。前一个挑战通过使用卷积网络学习图像的多类语义分割来应对。这些生成的图像可用于增强现实或基于视觉的机器人定位等应用。为验证我们的方法，我们通过移除动态物体并合成其背后的静态结构，与其他最先进的修复方法进行了定性与定量比较。此外，为展示我们结果的潜力，我们开展了初步实验，表明我们的方案对视觉地点识别的益处。