用于图像修复的像素级密集检测器
计算机视觉与模式识别
2020-11-18 v2
摘要
近期基于 GAN 的图像修复方法采用平均策略判别生成图像并输出一个标量，这不可避免地丢失了视觉伪影的位置信息。此外，对抗损失与重建损失（如 l1 损失）以权衡权重相结合，这些权重也难以调参。本文提出一种基于检测的生成式图像修复框架，在对抗过程中采用极小极大策略。生成器遵循编码器-解码器结构以填充缺失区域，检测器利用弱监督学习以像素级方式定位伪影位置。此类位置信息使生成器关注伪影并进一步增强之。更重要的是，我们将检测器输出以加权准则显式嵌入重建损失，从而自动平衡对抗损失与重建损失的权重，而非人工操作。在多个公开数据集上的实验显示了所提框架的优越性能。源代码见 https://github.com/Evergrow/GDN_Inpainting。
引用
@article{arxiv.2011.02293,
title = {Pixel-wise Dense Detector for Image Inpainting},
author = {Ruisong Zhang and Weize Quan and Baoyuan Wu and Zhifeng Li and Dong-Ming Yan},
journal= {arXiv preprint arXiv:2011.02293},
year = {2020}
}
备注
12 pages, 9 figures, accepted by Computer Graphics Forum, supplementary material link: https://evergrow.github.io/GDN_Inpainting_files/GDN_Inpainting_Supplement.pdf