基于迭代解耦概率建模的图像修复
计算机视觉与模式识别
2023-03-09 v2
摘要
生成对抗网络(GANs)在图像修复中已取得巨大成功，但在处理大缺失区域时仍有困难。相比之下，自回归与去噪扩散模型等迭代概率算法为获得尚可效果须耗费大量计算资源。为以低计算成本获得高质量结果，我们提出一种新颖的像素扩散模型(PSM)，其迭代地采用解耦概率建模，将GANs的优化效率与概率模型的可预测性相结合。因此，我们的模型在数次迭代中将信息像素选择性地扩散至整幅图像，大幅提升了补全的质量与效率。在多个基准上，我们取得了新的最先进(state-of-the-art)性能。代码发布于https://github.com/fenglinglwb/PSM。
引用
@article{arxiv.2212.02963,
title = {Image Inpainting via Iteratively Decoupled Probabilistic Modeling},
author = {Wenbo Li and Xin Yu and Kun Zhou and Yibing Song and Zhe Lin and Jiaya Jia},
journal= {arXiv preprint arXiv:2212.02963},
year = {2023}
}
备注
20 pages