ICCVAug, 2021

基于纹理和结构双重生成的图像修补

PDF
TL;DR该研究提出了一种新的双流网络方法，能够模拟结构约束纹理合成和纹理引导结构重构，并且通过 Bi-directional Gated Feature Fusion 模块和 Contextual Feature Aggregation 模块实现更好的全局一致性和多尺度特征聚合，定量和定性实验证明了该方法的优越性。
image inpaintingstructure-constrained texture synthesistexture-guided structure reconstructionbi-directional gated feature fusioncontextual feature aggregation
发现论文，激发创造
  • StructureFlow: 结构感知外观流进行图像修复

    本文提出了一个两阶段模型来解决图像修复中细节和结构重建的问题，第一阶段采用保边平滑图像训练结构重建器，第二阶段基于重构的结构设计纹理生成器来生成图像细节，实验证明该模型表现优异。

    Aug, 2019

  • 具有上下文关注机制的生成图像修复

    本文提出了一种基于生成模型和卷积神经网络的图像修补方法，通过利用周围图像特征进行网络训练，生成的修补图像具有更高的质量和更逼真的纹理结构。

    Jan, 2018

  • 带有两个并行流的结构感知图像修复

    本文介绍了一种基于 UNet 的双流终端到端架构，用于图像修复。其中，结构流辅助主流产生了合理结构和真实细节的结果。实验结果表明，该方法优于当前最先进的方法。

    Nov, 2021

  • 学习结构知识以进行图像修复

    本文提出一个多任务学习框架，通过图像结构知识来辅助图像修复，并引入结构嵌入方案和注意机制来提供图像修复的前提条件和优化生成的结果，在多任务学习，结构嵌入和注意力机制的共同作用下，该框架充分利用结构知识，并在基准数据集上优于几种最先进的方法。

    Feb, 2020

  • 全局结构引导扩散模型的文本图像修复

    该论文旨在建立一个用于研究的基准，解决真实世界文本由于环境或人为因素导致的腐蚀问题，以及在当前的修复技术中存在的困难，通过提出一种新的神经框架来恢复清晰的文本，改善文本图像的识别准确性和图像质量。

    Jan, 2024

  • 语义感知的混合场景图像修复的指导与评估

    本研究提出了一种基于语义引导和评估网络的图像修复算法，该算法在每个缩放级别利用语义分割图指导图像修复过程，并利用迭代更新方法实现结构先验和图像修复的协同更新，实验结果表明该方法在图像纹理清晰度和真实感等方面具有优越性。

    Mar, 2020

  • 图像细粒度修复

    本文提出了一种利用扩张卷积密集组合，通过设计自主回归损失、几何对齐约束项和具有局部和全局分支的判别器等方法改进图像修复的 GAN 模型。实验表明，该方法在多个公共数据集上都优于现有的最先进方法。

    Feb, 2020

  • 基于坐标的纹理修复技术用于姿态引导图像生成

    本文提出了一种基于深度学习的姿态引导的人类照片重新合成方法，它基于单张照片估计完整身体表面纹理，并使用一个新的修补方法将图像纹理转换为目标姿势视图。

    Nov, 2018

  • 使用语义指导的交互式图像修复

    本研究提出了一种新的图像修复方法，结合了神经网络的先验知识和用户的引导，使用自动编码器和语义解码器完成两个阶段，实现对修复结果的自定义控制，实验结果表明该方法在修复质量和可控性方面优于现有方法。

    Jan, 2022

  • 增量变换器结构增强的图像修复与遮盖位置编码

    该论文提出了一种基于注意力机制的变形器模型依次恢复整体图像结构，利用一个附加的结构修复器，通过零初始化残差加法有效地集成预训练修补模型，采用掩膜位置编码策略提高了不规则掩膜修补效果。

    Mar, 2022