基于上下文的图像外推的增强残差网络
图像与视频处理
2020-05-15 v1 计算机视觉与模式识别
摘要
尽管人类在预测图像边界之外存在的内容方面表现良好，但深度模型难以通过保留的信息理解上下文与外推。该任务被称为图像外推（image outpainting），涉及生成图像边界的真实扩展。当前模型使用生成对抗网络（GAN）生成的结果缺乏局部图像特征一致性且显得虚假。我们提出两种方法来改善此问题：使用局部与全局判别器，以及在网络的编码部分中添加残差块。我们的模型与基线在 L1 损失、均方误差（MSE）损失以及定性差异上的比较表明，与当前方法相比，我们的模型能够自然地延伸物体边界并生成内部更一致的图像，但生成的图像保真度较低。
引用
@article{arxiv.2005.06723,
title = {Enhanced Residual Networks for Context-based Image Outpainting},
author = {Przemek Gardias and Eric Arthur and Huaming Sun},
journal= {arXiv preprint arXiv:2005.06723},
year = {2020}
}
备注
6 pages, 5 figures