前景感知的图像修复
计算机视觉与模式识别
2019-04-23 v3
摘要
现有的图像修复方法通常通过在周围像素中借用信息来填充孔洞。当孔洞与前景物体重叠或接触时,由于缺乏对孔洞内前景与背景区域实际范围的了解,它们常常产生令人不满意的结果。然而,这些场景在实践中非常重要,特别是对于移除干扰物体等应用。为解决该问题,我们提出了一种前景感知的图像修复系统,其显式地解耦结构推断与内容补全。具体而言,我们的模型先学习预测前景轮廓,然后利用预测的轮廓作为引导来修复缺失区域。我们表明,通过此种解耦,轮廓补全模型能预测出合理的物体轮廓,并进一步显著提升图像修复的性能。实验表明,我们的方法显著优于现有方法,并在具有复杂构成的挑战性案例上取得了优异的修复结果。
引用
@article{arxiv.1901.05945,
title = {Foreground-aware Image Inpainting},
author = {Wei Xiong and Jiahui Yu and Zhe Lin and Jimei Yang and Xin Lu and Connelly Barnes and Jiebo Luo},
journal= {arXiv preprint arXiv:1901.05945},
year = {2019}
}
备注
Camera Ready version of CVPR 2019 with supplementary materials