通过特征精炼改善高分辨率图像修复
计算机视觉与模式识别
2022-07-01 v2 图像与视频处理
摘要
本文中，我们解决在高分辨率下运行的神经网络修复质量退化的问题。修复网络常无法生成比其训练集分辨率更高时的全局一致结构。这部分归因于感受野保持静态，尽管图像分辨率增加。尽管在修复前对图像降尺度可产生一致结构，其固有地缺乏高分辨率下存在的细节。为兼得二者之长，我们在推理时通过最小化多尺度一致性损失来优化网络的中间特征图（featuremaps）。该运行时优化改善了修复结果，并确立了高分辨率修复的新SOTA。代码见：https://github.com/geomagical/lama-with-refiner/tree/refinement。
引用
@article{arxiv.2206.13644,
title = {Feature Refinement to Improve High Resolution Image Inpainting},
author = {Prakhar Kulshreshtha and Brian Pugh and Salma Jiddi},
journal= {arXiv preprint arXiv:2206.13644},
year = {2022}
}
备注
5 pages, 5 figures, Published in CVPR Workshop on Computer Vision for Augmented and Virtual Reality, New Orleans, LA, 2022