图像合成任务中感知伪影的定位
计算机视觉与模式识别
2023-10-10 v1
摘要
深度生成模型的最新进展促进了跨多种任务的照片级真实图像生成。然而,这些生成图像常在特定区域出现感知伪影,需人工修正。本研究对涵盖多种图像合成工作的感知伪影定位(PAL)进行了全面的实证考察。我们引入一个新颖数据集,包含10,168张生成图像,每张均标以跨十种合成任务的逐像素感知伪影标签。在我们所提数据集上训练的分割模型可有效定位多种任务中的伪影。此外,我们展示了其利用极少训练样本适应此前未见模型的能力。我们进一步提出一种创新的放大修复流程,可无缝修正生成图像中的感知伪影。通过实验分析,我们阐明了若干实用下游应用,如自动伪影修正、无参考图像质量评估及图像异常区域检测。数据集与代码已公开。
引用
@article{arxiv.2310.05590,
title = {Perceptual Artifacts Localization for Image Synthesis Tasks},
author = {Lingzhi Zhang and Zhengjie Xu and Connelly Barnes and Yuqian Zhou and Qing Liu and He Zhang and Sohrab Amirghodsi and Zhe Lin and Eli Shechtman and Jianbo Shi},
journal= {arXiv preprint arXiv:2310.05590},
year = {2023}
}