使用 GAN 的语义图像补全与增强
计算机视觉与模式识别
2023-07-28 v1 机器学习
图像与视频处理
摘要
语义修复或图像补全指的是基于图像语义推断图像中任意大型缺失区域的任务。由于像素预测需要高层上下文指示，这使其比图像补全困难得多，后者通常更关注修正数据损坏以及从输入图像中移除整个对象。另一方面，图像增强试图消除图像中不必要的噪声与模糊，同时保留大部分图像细节。高效的图像补全与增强模型应能够恢复图像中损坏与遮掩的区域，并进一步精炼图像以提升输出图像质量。生成对抗网络（GAN）已被证明有助于图像补全任务。在本章中，我们将讨论底层 GAN 架构及其如何用于图像补全任务。
引用
@article{arxiv.2307.14748,
title = {Semantic Image Completion and Enhancement using GANs},
author = {Priyansh Saxena and Raahat Gupta and Akshat Maheshwari and Saumil Maheshwari},
journal= {arXiv preprint arXiv:2307.14748},
year = {2023}
}
备注
This work is part of 'High-Performance Vision Intelligence'; Part of the Studies in Computational Intelligence book series (SCI, volume 913) and can be accessed at: https://link.springer.com/chapter/10.1007/978-981-15-6844-2_11. arXiv admin note: substantial text overlap with arXiv:1911.02222