SiENet：用于图像外推的孪生扩展网络
计算机视觉与模式识别
2020-10-28 v1 机器学习
图像与视频处理
摘要
与图像修复不同，图像外推在图像中心可捕获的上下文相对较少，而在图像边界需要预测的内容更多。因此，现有方法的经典编码器-解码器流程可能无法完美预测向外延伸的未知内容。本文提出了一种用于图像外推的新型两阶段孪生对抗模型，称为孪生扩展网络（Siamese Expansion Network, SiENet）。在两阶段中，设计了一种名为自适应填充卷积的边界敏感卷积，使编码器能够预测未知内容，从而减轻解码器的负担。此外，为向网络引入先验知识并增强编码器的推断能力，设计了孪生对抗机制，使我们的网络能够对被覆盖的长程特征与未被覆盖的图像特征的分布进行建模。在四个数据集上的结果表明，我们的方法优于现有的最先进方法，并能生成逼真的结果。
引用
@article{arxiv.2007.03851,
title = {SiENet: Siamese Expansion Network for Image Extrapolation},
author = {Xiaofeng Zhang and Feng Chen and Cailing Wang and Songsong Wu and Ming Tao and Guoping Jiang},
journal= {arXiv preprint arXiv:2007.03851},
year = {2020}
}