基于样例生成对抗网络的眼部修复
计算机视觉与模式识别
2017-12-13 v1 机器学习
机器学习
摘要
本文提出一种新颖的修复方法，在推理时保留并考量待移除或更改对象的身份：样例 GAN (ExGANs)。ExGANs 是一类利用样例信息产生高质量、个性化修复结果的条件 GAN。我们提出以待修复区域的参考图像或描述该对象的感知编码形式使用样例信息。与以往条件 GAN 公式不同，该额外信息可插入对抗网络中的多个位置，从而增强其描述能力。我们通过将 ExGANs 应用于自然图像中闭眼到睁眼的眼部修复任务，表明其能产生在感知与语义上均合理的照片级真实个性化修复结果。我们还引入了一个用于眼部修复任务的新基准数据集，以供未来比较。
引用
@article{arxiv.1712.03999,
title = {Eye In-Painting with Exemplar Generative Adversarial Networks},
author = {Brian Dolhansky and Cristian Canton Ferrer},
journal= {arXiv preprint arXiv:1712.03999},
year = {2017}
}