面向特定目标对象的视觉神经激发图像填充
斑图形成与孤子
2025-10-21 v4
摘要
传统图像填充技术通常处理整个图像，容易导致计算效率低下以及信息冗余问题，尤其在遮挡或杂乱场景中尤为如此。受皮层处理机制的启发，本研究引入一种新框架，称为 Specific Object-of-Interest Imaging (SIOI)，以克服上述局限性。该方法首先从复杂场景中提取并编码对象级表征，产生可无缝集成到现有填充管道中的结构和语义先验。在针对特定对象数据集进行广泛评估——包括茶壶、象、长颈鹿和斑马——结果表明，集成 SIOI 的模型在 SSIM、PSNR、MAE 和 LPIPS 等关键指标上均 consistently 优于不包含 SIOI 的模型。该框架在面对低光照、高噪声、多对象遮挡和运动模糊等具挑战性条件时，同样表现出强大的鲁棒性。此外，基于认知神经科学的理论分析揭示了“对象优先”感知机制与视觉皮层区域(V1-V4)中动态特征调制之间的深刻联系。通过显著提升对象一致性和语义连贯性，本工作不仅推动了高效且目标导向的图像恢复，还促进了脑启发计算与前沿填充技术之间的跨学科融合。
引用
@article{arxiv.2508.12808,
title = {Visual-Neural-Inspired Image Inpainting for Specific Objects-of-Interest Imaging},
author = {Yonghao Wu and Chang Liu and Vladimir Filaretov and Dmitry Yukhimets},
journal= {arXiv preprint arXiv:2508.12808},
year = {2025}
}