MARLow:一种用于图像补全的联合多平面自回归与低秩方法
计算机视觉与模式识别
2016-06-17 v2 多媒体
摘要
本文提出一种新颖的多平面自回归(AR)模型,以利用图像中收集的相似块组在跨维平面上的相关性,这一相关性长期被以往AR模型所忽视。在此基础上,我们提出一种基于联合多平面AR与低秩的方法(MARLow),用于从随机采样中进行图像补全,其更有效地利用了自然图像中的非局部自相似性。具体而言,多平面AR模型约束块组不同截面中的局部平稳性,而低秩最小化捕获非局部块的内在相干性。所提方法可通过同时考虑不同通道间的相关性,轻易扩展至多通道图像(如彩色图像)。实验结果表明,即使像素缺失率高达90%,所提方法仍显著优于当前最先进(SOTA)方法。
引用
@article{arxiv.1605.01115,
title = {MARLow: A Joint Multiplanar Autoregressive and Low-Rank Approach for Image Completion},
author = {Mading Li and Jiaying Liu and Zhiwei Xiong and Xiaoyan Sun and Zongming Guo},
journal= {arXiv preprint arXiv:1605.01115},
year = {2016}
}
备注
16 pages, 9 figures