学习用于人造场景图像修复的草图张量空间
计算机视觉与模式识别
2021-10-07 v2
摘要
本文研究人造场景的图像修复任务。由于难以保持图像的边缘、线条与交汇点等视觉模式，该任务极具挑战性。尤其，以往多数工作未能恢复人造场景图像中的物体/建筑结构。为此，本文提出学习一种草图张量（ST）空间用于人造场景修复。该空间被学习以恢复图像中的边缘、线条与交汇点，从而对整体图像结构做出可靠预测。为便于结构细化，我们提出一种多尺度草图张量修复（MST）网络，其具有新颖的编码器-解码器结构。编码器从输入图像提取线条与边缘并将其投影至 ST 空间。从该空间，解码器被学习以恢复输入图像。大量实验验证了模型的有效性。此外，在一般自然图像修复上，我们的模型也取得了与对比方法相竞争的性能。
引用
@article{arxiv.2103.15087,
title = {Learning a Sketch Tensor Space for Image Inpainting of Man-made Scenes},
author = {Chenjie Cao and Yanwei Fu},
journal= {arXiv preprint arXiv:2103.15087},
year = {2021}
}
备注
Accepted by ICCV2021