用于图像修复的参考引导纹理与结构推断
计算机视觉与模式识别
2022-08-01 v1
摘要
现有的基于学习的图像修复方法在应对复杂语义环境与多样孔洞形态时仍具挑战。从大规模训练数据中学得的先验信息对此类情形仍不充分。采集自相同场景的参考图像与破损图像享有相似的纹理与结构先验，这为图像修复任务提供了新前景。受此启发，我们首先构建了一个包含 10K 对输入与参考图像的基准数据集，用于参考引导修复。接着我们采用编解码器结构，考虑到纹理与结构在修复过程中的模式差异，分别推断输入图像的纹理与结构特征。进一步设计了一个特征对齐模块，以参考图像为引导来精炼输入图像的这些特征。定量与定性评估均表明，我们的方法在完成复杂孔洞方面优于当前最优（SOTA）方法。
引用
@article{arxiv.2207.14498,
title = {Reference-Guided Texture and Structure Inference for Image Inpainting},
author = {Taorong Liu and Liang Liao and Zheng Wang and Shin'ichi Satoh},
journal= {arXiv preprint arXiv:2207.14498},
year = {2022}
}
备注
IEEE International Conference on Image Processing(ICIP 2022)