四元数生成对抗神经网络及其在彩色图像填充中的应用
计算与语言
2024-06-18 v1
摘要
彩色图像填充是影像科学中的一个具有挑战性的任务。现有方法基于实数运算，分别处理彩色图像的红、绿、蓝三个通道，忽略了各通道之间的相关性。为充分利用各通道之间的相关性，本文提出了一种四元数生成对抗神经网络（QGAN）模型及相关理论，并将其应用于解决大范围缺失的彩色图像填充问题。首先，给出四元数 deconvolution 的定义并提出四元数 batch normalization。其次，将上述两个创新模块应用于生成对抗网络以提高稳定性。最后，将QGAN应用于彩色图像填充并与其他最先进算法进行比较。实验结果表明，QGAN在大范围缺失的彩色图像填充中具有优势。
引用
@article{arxiv.2406.11566,
title = {MEMLA: Enhancing Multilingual Knowledge Editing with Neuron-Masked Low-Rank Adaptation},
author = {Jiakuan Xie and Pengfei Cao and Yuheng Chen and Yubo Chen and Kang Liu and Jun Zhao},
journal= {arXiv preprint arXiv:2406.11566},
year = {2024}
}