用空间填充曲线指数作为基于实例的修复加速结构
提出采用两步聚合范式来解决在视频序列中计算光流时存在的位移、运动细节和遮挡问题,并对其进行实验验证,证明其在计算机视觉基准测试中取得了最先进的结果,尤其是在位移和遮挡的情况下表现出显著的提升。
Jul, 2014
这篇论文提出了一种基于全局、基于补丁的功能的自动视频修复算法,可以处理动态纹理、多个移动对象和移动背景等挑战情况,并在执行时间方面比现有技术快一个数量级。最终的算法不需要分割或手动输入,只需要定义修复遮罩即可,并且能够处理比以前的工作更广泛的情况。
Mar, 2015
该研究提出了一种有前景意识的图像修复系统,通过分离结构推断和内容完成,学习预测前景轮廓并利用预测的轮廓进行纹理填充。实验表明,该方法在处理复杂图像的同时,能够显著提高图像修复的性能。
Jan, 2019
本文研究了修复人造场景图像(inpainting)的任务,提出了学习 Sketch Tensor(ST)空间,以恢复图像中的边缘、线条和交点,并使用多尺度 Sketch Tensor inpainting(MST)网络进行结构细化,实现了很好的修复效果。实验证明了我们模型的高效性,并且在修复自然图像方面也与竞争对手具有相当的竞争力。
Mar, 2021
本文提出了一种基于transformer的大孔修复模型,它结合了大尺寸的图像处理和transformer的优势,通过在注意力模块中定制面向修复的transformer块并使用动态掩码来聚合非局部信息,得到了在多个基准数据集上最先进的效果。
Mar, 2022
通过结合深度学习和传统方法,使用 LaMa 和 PatchMatch 对超过 4K 分辨率的图像进行修复,并通过一种新颖的策略即 8x8 反对称成对偏好矩阵的列求和来选择一个好的修复结果。实验结果优于 8 种基线模型和 4 种 SOTA 模型。
Aug, 2022
研究了文本到图像修复模型在卫星图像数据中的实用性,通过引入基于StableDiffusion和ControlNet的新型修复框架以及一种新的RGB到MSI转换方法,解决了将结构引导信号注入到生成过程中的两个技术挑战,以及将修复的RGB像素转换为更广泛的MSI波段。对更广泛的数据集的结果表明,通过StableDiffusion生成的修复结果存在不受欢迎的伪影,而自监督内部修复的简单替代方法具有更高的合成质量。
Nov, 2023
本文介绍了一种新颖的方法,通过将2D扩散模型提炼为学习的3D场景表示(例如NeRF),对给定的有掩模的多视图图像进行3D区域修补。
Dec, 2023
本研究提出了一种基于基于补丁技术的改进型模型驱动方法,通过引入混合相似度(HySim)来增强补丁选择,从而实现了高质量的图像修复成果。实验结果证明,与其他模型驱动技术相比,该方法在实现视觉上令人满意的修复方面表现出了显著的效果。
Mar, 2024
提出了一种名为MVIP-NeRF的新方法,通过使用扩散先验来进行NeRF修复,解决了外观和几何方面的问题,实现了多视图共同修复和对齐。实验证明,与先前的NeRF修复方法相比,该方法在外观和几何恢复方面效果更好。
May, 2024