基于压缩-解压缩网络的大孔洞图像修复
计算机视觉与模式识别
2020-02-06 v1 图像与视频处理
摘要
图像修复技术可对带有缺失像素的图像进行修补。现有方法提出卷积神经网络来修复损坏图像。这些网络关注缺失像素周边的有效像素，使用编码器-解码器结构提取有价值信息，并利用该信息修复空缺。然而，若缺失部分过大而无法提供有用信息，结果将出现模糊、颜色混杂和物体混淆。为修补大孔洞图像，我们研究现有方法并提出一种新网络，即压缩-解压缩网络。压缩网络负责修复并生成下采样图像。解压缩网络负责将下采样图像扩展至原始分辨率。我们使用残差网络构建压缩网络，并提出一种相似纹理选择算法来扩展图像，其效果优于使用超分辨率网络。我们在 Places2 和 CelebA 数据集上评估模型，并使用相似度比作为度量。结果表明，当修复任务存在较多冲突时，我们的模型具有更好性能。
引用
@article{arxiv.2002.00199,
title = {Large Hole Image Inpainting With Compress-Decompression Network},
author = {Zhenghang Wu and Yidong Cui},
journal= {arXiv preprint arXiv:2002.00199},
year = {2020}
}