基于全分辨率残差网络的渐进式图像修复
图像与视频处理
2019-09-19 v3
摘要
近来，基于学习的图像修复算法在处理方形或不规则缺失区域方面取得显著进展。然而，由于周边信息缺失，它们无法在受损区域内生成合理的纹理。渐进式修复方法有利于消除中心模糊，即先修复再更新掩码。本文中，我们提出全分辨率残差网络（FRRN）来填充不规则缺失区域，其被证明对渐进式图像修复有效。我们表明，精心设计的残差架构有助于特征整合与纹理预测。此外，为保证渐进修复过程中的补全质量，我们采用N块一扩张策略，即为一个扩张步分配若干残差块。相应地，应用步损失函数以提升中间修复的性能。实验结果表明，所提出的FRRN图像修复框架在定量与定性上均远优于先前方法。我们的代码发布于：\url{https://github.com/ZongyuGuo/Inpainting_FRRN}。
引用
@article{arxiv.1907.10478,
title = {Progressive Image Inpainting with Full-Resolution Residual Network},
author = {Zongyu Guo and Zhibo Chen and Tao Yu and Jiale Chen and Sen Liu},
journal= {arXiv preprint arXiv:1907.10478},
year = {2019}
}
备注
Accepted to ACM Multimedia 2019