基于外绘制的超长自然风景图像预测
计算机视觉与模式识别
2020-01-01 v1
摘要
与图像修复相比,图像外绘制受到的关注较少,原因在于其面临两个挑战。第一个挑战是如何保持生成图像与原始输入之间的空间与内容一致性。第二个挑战是如何在生成结果中维持高质量,尤其是在多步生成中生成区域与初始输入空间上相距较远的情况。为解决这两个问题,我们设计了一些创新性模块,称为跳跃水平连接(Skip Horizontal Connection)与循环内容迁移(Recurrent Content Transfer),并将它们集成到我们设计的编码器-解码器结构中。通过这一设计,我们的网络能够高效且有效地生成高度真实的外绘制预测。此外,我们的方法能够生成尺寸极长的新图像,同时保持与给定输入相同的风格与语义内容。为测试所提架构的有效性,我们收集了一个包含多样、复杂自然场景的新风景数据集。在该数据集上的实验结果证明了我们提出网络的有效性。代码与数据集可从 https://github.com/z-x-yang/NS-Outpainting 获取。
引用
@article{arxiv.1912.12688,
title = {Very Long Natural Scenery Image Prediction by Outpainting},
author = {Zongxin Yang and Jian Dong and Ping Liu and Yi Yang and Shuicheng Yan},
journal= {arXiv preprint arXiv:1912.12688},
year = {2020}
}
备注
ICCV-19