VCNet：一种鲁棒的盲图像修复方法
计算机视觉与模式识别
2020-03-17 v1
摘要
盲修复是一项在不指定图像中缺失区域掩码的情况下自动补全视觉内容的任务。先前的工作假设缺失区域模式已知，限制了其应用范围。在本文中，我们通过定义一种新的盲修复设定来放宽该假设，使得训练一个盲修复神经系统在应对各种未知缺失区域模式时具有鲁棒性。具体而言，我们提出了一种两阶段视觉一致性网络 (VCN)，用于估计填充位置（通过掩码）与生成填充内容。在此过程中，不可避免的潜在掩码预测误差会导致后续修复中出现严重伪影。为此，我们的 VCN 首先预测语义不一致区域，使掩码预测更易处理。随后它使用一种新的空间归一化来修复这些估计的缺失区域，使 VCN 对掩码预测误差具有鲁棒性。以此方式，生成了语义可信且视觉引人入胜的内容。我们进行了大量实验，表明我们的方法在盲图像修复中有效且鲁棒。并且我们的 VCN 支持广泛的应用。
引用
@article{arxiv.2003.06816,
title = {VCNet: A Robust Approach to Blind Image Inpainting},
author = {Yi Wang and Ying-Cong Chen and Xin Tao and Jiaya Jia},
journal= {arXiv preprint arXiv:2003.06816},
year = {2020}
}