利用多尺度神经块合成的高分辨率图像修复
计算机视觉与模式识别
2017-04-14 v2
摘要
深度学习的最新进展展现出了令人振奋的前景，能够用语义合理且感知上下文的细节填充自然图像中的大空洞，从而影响诸如物体移除等基础图像处理任务。尽管这些基于学习的方法在捕获高层特征方面比以往技术有效得多，但由于内存限制和训练困难，它们只能处理极低分辨率的输入。即使对于稍大的图像，修复区域也会显得模糊，并出现令人不悦的可见边界。我们提出了一种多尺度神经块合成方法，基于图像内容与纹理约束的联合优化，不仅保留了上下文结构，还通过匹配并调整与深度分类网络中最相似的中层特征相关性，生成了高频细节。我们在 ImageNet 和 Paris Streetview 数据集上评估了该方法，并取得了 SOTA 的修复精度。我们表明，我们的方法比以往方法产生了更清晰、更连贯的结果，尤其是对于高分辨率图像。
引用
@article{arxiv.1611.09969,
title = {High-Resolution Image Inpainting using Multi-Scale Neural Patch Synthesis},
author = {Chao Yang and Xin Lu and Zhe Lin and Eli Shechtman and Oliver Wang and Hao Li},
journal= {arXiv preprint arXiv:1611.09969},
year = {2017}
}