基于半超分辨率GAN的图像缺失像素填补
计算机视觉与模式识别
2026-02-06 v2 机器学习
图像与视频处理
摘要
图像填补是增强受损图像的有用技术，其主要挑战在于输入图像的损坏程度对深度学习模型的恢复能力。为此，我们引入了生成对抗网络（GAN）用于学习和复制缺失的像素。此外，我们开发了一种新的超分辨率GAN（SRGAN）变体，即半SRGAN（SSRGAN）。我们还利用了三个不同的数据集来评估所提出模型的鲁棒性和准确性。我们的训练过程通过不同程度的像素损坏以实现最佳准确率并生成高质量图像。
引用
@article{arxiv.2409.12636,
title = {Image inpainting for corrupted images by using the semi-super resolution GAN},
author = {Mehrshad Momen-Tayefeh and Mehrdad Momen-Tayefeh and Amir Ali Ghafourian Ghahramani},
journal= {arXiv preprint arXiv:2409.12636},
year = {2026}
}