用于立体图像修复的迭代几何感知交叉引导网络
计算机视觉与模式识别
2022-05-12 v2
摘要
目前，基于深度卷积神经网络的单图像修复已取得令人满意的结果。然而，对具有缺失区域的立体图像进行修复尚未被充分探索，这也是一个重要但不同的问题。立体图像修复的一个关键要求是立体一致性。为实现该要求，我们提出一种迭代几何感知交叉引导网络(IGGNet)。IGGNet包含两个关键组成部分，即几何感知注意力(GAA)模块与迭代交叉引导(ICG)策略。GAA模块依赖于对极几何线索，并从一个视图学习到另一个视图的几何感知引导，有助于使两视图中的对应区域保持一致。然而，从共存的缺失区域中学习引导具有挑战性。为解决此问题，提出ICG策略，其能以迭代方式交替缩小两视图的缺失区域。实验结果表明，我们提出的网络优于最新的立体图像修复模型及最先进的单图像修复模型。
引用
@article{arxiv.2205.03825,
title = {Iterative Geometry-Aware Cross Guidance Network for Stereo Image Inpainting},
author = {Ang Li and Shanshan Zhao and Qingjie Zhang and Qiuhong Ke},
journal= {arXiv preprint arXiv:2205.03825},
year = {2022}
}
备注
Accepted by IJCAI 2022