基于生成对抗网络的块图像修复
计算机视觉与模式识别
2018-03-21 v1
摘要
通过采用专门的深度神经网络，针对较大缺失区域的图像修复领域近期取得了显著进展。然而，当前的网络解决方案仍会在修复区域引入不期望的伪影与噪声。我们提出了一种基于著名的生成对抗网络（GAN）框架的图像修复方法。所提出的 PGGAN 方法包含一个判别器网络，该网络将全局 GAN（G-GAN）架构与 patchGAN 方法相结合。PGGAN 首先在 G-GAN 与 patchGAN 之间共享网络层，随后分路以产生两个对抗损失馈入生成器网络，从而同时捕获图像纹理的局部连续性与图像中普遍的全局特征。所提出的框架经过了广泛评估，包括与近期 state-of-the-art 的比较结果，表明其在视觉与定量评估上均取得了显著改善。
引用
@article{arxiv.1803.07422,
title = {Patch-Based Image Inpainting with Generative Adversarial Networks},
author = {Ugur Demir and Gozde Unal},
journal= {arXiv preprint arXiv:1803.07422},
year = {2018}
}